Bir Mentor Yapay Zeka Tasarlamak Kaç Karar Gerektirir? · 110 Ana, 610 Mikro, Toplam 720 Kararlık Envanter

Bir mentor yapay zeka tasarlamak otuz günde yaklaşık 720 karar gerektirdi. Bunu tahmin etmedim, saydım. Önce tek tek kayda aldım, sonra kategorilere böldüm, sonra altlarındaki görünmez kararları çıkardım. Saydığımda 110 ana karar çıktı. Altlarındaki mikro kararları da ekleyince tahmini 610 mikro karar daha. Toplam 720. Günde ortalama 24 karar. Dağılım eşit değildi; bazı günler 50'yi geçtim, bazı günler 10'un altında kaldım.

Bu yazı o sayının hikâyesi. Muhafız Mentor'u nasıl bir üç katmanlı mimari ile kurduğumu, saldırı altında nasıl ayakta kaldığını ve bu yapay zekayı kod yazmadan nasıl inşa ettiğimi seride daha önce anlattım. Bu beşinci ve son yazı farklı bir soruya bakıyor. Bir mentor yapay zeka tasarlamak gerçekte kaç karar ister, bu sayıyı saymak neden işe yarar?

Bu sayıma bir ad koydum, Karar Envanteri. Bir yapay zeka projesinde verilen kararları metodik biçimde saymak demek. Her kararı tarihiyle, kategorisiyle, gerekçesiyle ve sonucuyla kaydediyorsun. Görünür ana kararlar buzdağının tepesi; altlarında üç ila dokuz mikro karar yatıyor. Envanter çıkarmak o görünmez katmanı görünür kılıyor.

Neden Karar Envanteri Çıkardım?

Otuz günlük inşa boyunca her akşam yorgundum. Ama yorgunluğun kaynağını net adlandıramıyordum. "Bugün ne yaptım?" sorusuna cevabım çoğu zaman "bir sürü şey" oluyordu. Kod yazmadım, dosya taşımadım, bir şey kurmadım gibi hissediyordum; oysa sürekli karar veriyordum.

Karar Envanteri tam bu boşluğu doldurmak için çıktı. Otuz gün boyunca tuttuğum elli üç hafıza dosyasını tek tek taradım. Her dosyada bir karar aradım. Ne karar verilmiş, neden verilmiş, hangi tarihte, sonucu ne olmuş. Çıkan tablo 110 ana karar gösterdi.

Saymanın üç faydası var. Birincisi, zihinsel emeği görünür kılar. "Bir sürü şey" cümlesi 110 satıra döndüğünde yorgunluğun bir adı oluyor. İkincisi, gelecek projelere yol haritası verir. Benzer bir mentor yapay zeka kuracak biri "bu iş kaç karar ister?" sorusunun somut cevabını bulur. Üçüncüsü, titizliğin kanıtıdır. Bir mentor yapay zeka güvenilir olduğunu iddia ediyorsa, o güvenilirliğin altındaki karar disiplinini gösterebilmeli.

Bir not düşeyim. Bu envanter bir performans gösterisi değil, "bakın ne çok çalıştım" demek için değil. Tam tersine alçakgönüllü bir kayıt. Bir yapay zeka projesinin gerçek maliyetini göstermek istiyorum. "Birkaç haftada biter" diyenlerin görmediği asıl emeği görünür kılmak istiyorum.

On Kategori · Kararların Haritası

110 ana karar on kategoriye dağıldı. Bu on kategori, bir mentor yapay zeka projesinin kaç ayrı katmanı olduğunun haritası. Her birinin ana karar sayısı şöyle.

• Mimari ve Model (17): Model seçimi, bilgi getirme yapısı, önbellek stratejisi, sınıflandırma sistemi gibi temel mimari kararlar.
• Veri ve Chunk Üretimi (10): Lugat, bölüm özetleri, ana metin parçaları, bilgi tabanına yükleme.
• Dilsel ve Üslup (7): Tipografi, em-dash yasağı, dil kilidi, karakter sesi disiplini.
• Güvenlik ve Savunma (22): Sistem prompt sürümleri, jailbreak savunması, acil hat protokolü. En kalabalık kategori.
• Altyapı ve Deploy (14): Sunucu kurulumu, Docker, DNS, SSL, sürüm yönetimi, veritabanı.
• Kriz Yönetimi ve Onarım (7): Beş ciddi krizin teşhisi ve çözümü.
• Pedagojik ve Karakter (9): Mentor karakter sesi, oturum disiplini, niyet probu.
• Süreç ve Çalışma Metodu (8): Numaralı adımlar, bağımsız denetim, hafıza hijyeni.
• Kalite ve Test (10): Bilgi getirme kalite kapısı, jailbreak koşturma, izolasyon testi.
• Demo ve Lansman (6): Son rötuşlar, sürüm geçişi, demo akışı.

Bu dağılımın kendisi bir bulgu. Bir mentor yapay zekanın yarısından çoğu kararı içerik veya model değil; güvenlik, altyapı ve kalitedir. Toplamın 46'sı bu üç başlıkta. Yani "kitabı yapay zekaya yükledik" cümlesinin altında, yükleme işinin kendisinden çok daha fazla karar yatıyor.

Mimari ve Model · İlk Sütun (17 Karar)

İlk büyük blok mimari kararlar. Hangi modeli kullanacağım, bilgiyi nasıl getireceğim, önbelleği nasıl kuracağım, cevap tipini nasıl sınıflandıracağım.

Model seçimi Claude Sonnet 4.5 oldu. Tek belirleyici hız ya da maliyet değildi, Türkçe karakter tutarlılığıydı. Bir mentor yapay zeka her cevapta aynı sesle konuşmak zorunda; modelin Türkçede karakteri ne kadar koruduğu benim için ilk kriterdi.

Bilgi getirme katmanını hibrit kurdum. Üç parça birlikte çalışıyor; anahtar kelime araması, anlamsal benzerlik ve ikisini birleştiren bir füzyon. Türkçe morfoloji ile özel terimleri (K.A.L.K., A.U.R.A.) anahtar kelime tarafı yakalıyor, anlam benzerliğini gömme tarafı yakalıyor. 287 parça üzerinde test sonucu yüzde 94.4 isabetle kapandı.

Bu blokta geri çevirdiğim bir karar da var. Önbelleğe alma stratejisinde önce ayrı bir yeniden sıralama servisi planlamıştım, sonra demo için daha hızlı olan bir füzyon yöntemiyle değiştirdim. Mimari kararların hepsi ilk seferde tutmadı; bazılarını denedim ve geri döndüm.

Bu kategorinin gizli yükü mikro kararlarda. "Sonnet kullanalım" tek satır gibi görünür. Altında hangi sürümün seçileceği, hız sınırı, anahtar güvenliği, azami cevap uzunluğu, modelin ne kadar serbest cevap üreteceği, hata durumunda ne yapılacağı gibi yedi sekiz parametre yatıyor. Mimari kategorisinde ana karar başına ortalama altı mikro karar düştü.

Veri ve Chunk Üretimi · Kitabın Mentor'ün Zihnine Çevrilmesi (10 Karar)

Bir kitabı bir mentor yapay zekanın zihnine taşımak çeviri işi değil, yapı işi. 392 sayfayı parçalara böldüm, her parçaya bir şema giydirdim, her şemayı bir referansa bağladım.

Lugat 125 parça olarak donduruldu, ana metin 150 parça, bölüm özetleri 12 parça. Toplam 287 parça bilgi tabanına yüklendi. "Lugat Dondurma" kararını zihin mimarisi yazısında ayrıca anlattım. Belirli bir tarihte kavram setini sabitleyip Mentor'ün referansını tek noktaya bağlamak.

Bu kategorinin mikro kararları şema alanlarında saklı. Her parçanın on altıdan fazla alanı var. Kimlik, kategori, bölüm numarası, parça tipi, anlatım konteksti, başlık, anahtar alıntı ve daha fazlası. Hangi parçanın "ana parça" sayılacağı ayrı bir karardı, hangi lugat girdisine bağlanacağı ayrı bir karardı. Tek bir parça üretim kararı, altında beş altı yapısal seçim taşıyor.

Dilsel ve Üslup · Em-Dash Yasağından Dil Kilidine (7 Karar)

En az sayıda ama en kalıcı kategori. Yedi karar; ama bu yedisi Mentor'ün her cevabında görünüyor.

Em-dash yasağı bunların en bilineni. Uzun çizgiyi yapay zekanın yazısının imzası gibi görüyorum; bir mentor yapay zekanın insan sesiyle konuşması için bu işareti tamamen kaldırdım. Yerine virgül, nokta, parantez. Yasak sadece kural olarak kalmadı, her sürümde tek tek sayıldı, gövdeye sızıp sızmadığı kontrol edildi.

Bir başka dilsel karar dil kilidi. Mentor sadece Türkçe çalışıyor. Türkçe dışı bir mesaja tek satır cevap veriyor, saldırı içeriğine değinmiyor. Bunu savunma yazısında ayrıntısıyla anlattım.

Dilsel kategoride ana karar başına ortalama dört mikro karar düştü, en az dallanan başlık. Ama bir dilsel kararın bozulması en görünür hatadır. Mentor bir cevabında uzun çizgi kullanırsa, okur bunu anında fark eder.

Güvenlik ve Savunma · En Yoğun Kategori (22 Karar)

En kalabalık blok. 22 ana karar, tahmini 110 mikro karar. Tek başına tüm mikro kararların büyük bir dilimi burada.

Sistem prompt bu kategorinin omurgası. Otuz günde v0.1'den v0.3.5 artı Patch 15.1'e olgunlaştı. Beş büyük sürüm, on beş numaralı patch. Her patch tek başına küçük görünür ama kümülatif. Bir patch demek bir tetikleyici kelime listesi, bir kalıp metni, ne zaman zorunlu olduğu, ne zaman yasak olduğu ve bir test senaryosu demek. Patch tasarımı ortalama beş yedi ince karar.

22 jailbreak senaryosunu, dört turluk iterasyonu ve dört yeni savunma kavramını savunma yazısında ayrıntısıyla anlattım. Burada envanter açısından önemli olan şu. Güvenlik kararları nadiren tek seferde biter. Bir saldırı vektörü kapatılır, yeni bir vektör açılır, bir patch daha yazılır. Bu kategori projenin en çok yeniden ziyaret edilen başlığıydı.

Altyapı ve Deploy · Sunucu, DNS, Veritabanı (14 Karar)

Mimari kararlar yapay zekanın zihnini kuruyorsa, altyapı kararları onun yaşadığı yeri kuruyor. 14 ana karar; ama ana karar başına ortalama yedi mikro karar ile en çok dallanan ikinci kategori.

Sunucu Hetzner'da açıldı. "Hetzner kullanalım" tek bir karar gibi yazılır. Altında en az on mikro karar var. Sunucu tipi, konum (Helsinki), işletim sistemi (Ubuntu 24.04), yedekleme açık mı, IPv4 ve IPv6 birlikte mi, kullanıcı modeli, SSH portu, aylık maliyet tavanı (yaklaşık 6.59 dolar), sunucu adı, proje kimliği. On parametre, on seçim, hepsi tek satır "Hetzner" kararının altında.

Üstüne Docker, Caddy, Redis konteynerları; Cloudflare DNS ve SSL; günlük veritabanı canlı tutma görevi geldi. Altyapı kararlarının her biri bir başkasına bağlı. Bir SSH ayarındaki tek satır, ileride iki saatlik bir krize dönüşebiliyor. Nitekim dönüştü.

Kriz Yönetimi · En Çok Düşündüren Kategori (7 Karar)

Sayıca en küçük kategorilerden biri, ama ana karar başına ortalama sekiz mikro karar ile en derin dallanan. Krizler en çok düşünme isteyen kararlardı. Kök sebep teşhisi, geçici çözüm, kalıcı çözüm, alternatifler, test, geri dönüş yolu, hepsi bir arada.

Otuz günde beş ciddi kriz yaşandı. Hiçbiri demoyu geciktirmedi.

İlki anahtar sızıntısıydı. Çalışma ortamındaki bir yapılandırma dosyası üzerinden API anahtarları bağlama sızdı ve dört anahtarı sıfırlamak zorunda kaldım. Buradan kalıcı bir kural çıktı. Hassas anahtarlar çalışma ortamına asla girmez.

İkincisi SSH kilitlenmesiydi. Bir güvenlik sertleştirme ayarındaki tek satır (`PermitRootLogin no`) sunucuya bağlanmamı tamamen engelledi. Teşhis iki saat sürdü. Çözüm tek kelimeydi, `prohibit-password`. Ama asıl ders başkaydı. Kritik bir altyapı satırını hafızaya tam yazmazsan, kriz anında onu yeniden keşfetmek için saatler harcarsın.

Üçüncüsü en öğreticisiydi. Mentor bir kullanıcıya, o kullanıcının hiç yapmadığı üç jailbreak girişimini atfetti. Önce halüsinasyon sandım. Teşhiste asıl sebep ortaya çıktı. Oturumlar arasında paylaşılan tek bir konuşma listesi vardı ve eski test trafiği son mesajların içinde duruyordu. Mentor uydurmamış, başka bir kullanıcının geçmişini görmüştü. Üstüne bir risk daha fark ettim, iki kişi aynı anda girerse geçmişleri birbirine karışırdı. Çözüm oturum izolasyonu oldu. Her oturuma ayrı bellek, otomatik temizleme, zaman aşımı. İki tarayıcılı test geçti.

Krizler en pahalı kararlar değil ama en yoğunları. Bir kriz, düz bir tasarım kararının bir buçuk iki katı mikro karar üretiyor.

Mikro Kararların Boyutu · 610 Görünmez Karar

Şimdi envanterin asıl meselesine geliyorum. 110 ana karar buzdağının tepesi. Asıl emek altta, görünmeyen yerde.

Her ana kararı uygulamak için bir dizi küçük karar gerekiyor. Bunlara mikro karar diyorum. Bir ana kararı hayata geçirmek için zorunlu olan, ama tek başına büyük bir tartışma açmayan küçük seçimler. Bir parametre, bir eşik, bir kalıp. Çoğu birkaç dakikada verilir, bazısı çeyrek saat düşündürür.

Bir örnek somutlaştırsın. Oturum izolasyonu kararı tek satır gibi yazılır, "her kullanıcıya ayrı bellek verelim." Altında en az on iki mikro karar var. Oturum kimliği formatı, tarayıcıda saklama anahtarının adı, yedek format, bellek sınırı, zaman aşımı süresi, temizleme sıklığı, veri yapısının kendisi, uç nokta imzasının değişimi, eski istemcilerle uyum, sıfırlama davranışı, denetim turu, test senaryosu. On iki seçim, hepsi "ayrı bellek verelim" cümlesinin altında.

En yoğun iki kategori güvenlik (110 mikro) ve altyapı (98 mikro). İkisi birlikte tüm mikro kararların yaklaşık yüzde 34'ü. Yani bir mentor yapay zekanın görünmez emeğinin üçte birinden fazlası iki yerde toplanıyor. Onu güvenli kılmak ve onu çalışır halde tutmak.

Bir uyarı düşeyim. Bu sayılar istatistiksel tahmin, kesin değil. Bir karar dört mikro içerebileceği gibi dokuz da içerebilir, ortalama bir çerçeve verir. Benzer bir projede çalışacak ekipler bu rakamı sabit hedef değil, büyüklük tahmini olarak okusun.

Beni En Çok Ne Yordu?

Bu envanteri çıkarınca bir şey daha netleşti. Beni en çok yoran, kararların sayısı değildi. Makro ile mikro arasında sürekli gidip gelmekti.

Bir yandan büyük resmi zihnimde tutmam gerekiyordu. Mega bir şey tasarlıyorduk, uzun bir yolculuğu vardı, upuzun bir yapılacaklar listesi vardı. Sürekli kendime sormam gerekiyordu. Şu an tam olarak neyi tasarlıyoruz, hangi adımdayız, kaç adım kaldı, sırada ne var. Bir yandan da tam o anda mikroya inip ince işçiliği yapmam, o küçük kararı vermem gerekiyordu. İki katmanı aynı anda taşımak en çok yorulduğum şeydi.

Bir de patinaj vardı. Bazı mikro anlarda saatlerce aynı yerde döndük. Küçücük bir kod hatası için en az iki üç saat harcadığımız oldu. Aynı şeyi tekrar tekrar denedik, hatanın nerede olduğunu bulmak için uzun uzun uğraştık. Sonunda değişen çoğu zaman tek satırdı, ama o tek satıra varmak saatleri aldı. Bu tür patinajlar zihinsel olarak yıprattı.

Bir başka gerçek de tokenlerin bitmesiydi. Çalışırken ara ara tokenlerim bitti, istemeden ara vermek zorunda kaldım. Bunlar planladığım molalar değildi, zorunlu aralardı. Uzun bir yapay zeka projesinde bu da hesaba katılması gereken bir durum. Çalışma ritmini bazen sen değil, sistem belirliyor. Bir karar zincirinin ortasında durup ertesi güne devretmek, makroyu yeniden zihne kurmak demekti.

Öğrenmem Gereken Yeni Bir Dil

Beni yoran bir başka şey de sürekli yeni kelime ve yeni tabir öğrenmem gerekmesiydi. Bir konu hakkında konuşabilmek için önce o konunun dilini öğrenmem lazımdı. Bir tabiri duyuyordum, anlamını araştırıyordum, anladıktan sonra onu zihnimde net bir yere oturtuyordum. Sonra bir sonraki tabir geliyordu.

Bunların çoğu hayatımda hiç duymadığım kavramlardı. Yazılım tarafında embedding, chunk, token, prompt cache, RAG gibi kavramlar vardı; bir metnin nasıl sayıya çevrildiğini, nasıl parçalara bölündüğünü, modelin neyi hatırlayıp neyi unuttuğunu anlatan tabirler. Altyapı tarafında VPS, port, DNS, A kaydı, reverse proxy, SSL sertifikası, ortam değişkeni, konteyner gibi kavramlar vardı; sunucunun nerede yaşadığını, hangi kapıdan konuştuğunu, adının nasıl bir adrese bağlandığını anlatan tabirler. Bir de her üçüncü parti servisin kendine ait sözcükleri vardı; bağlantı dizesi, API anahtarı, hız sınırı, panel. Hiçbiri ezberimde yoktu, hepsini sıfırdan öğrendim.

Asıl zorluk tek tek kelimeleri öğrenmek değildi. Bu kelimelerin birbiriyle ilişkisini kurmaktı. Embedding ile chunk nasıl bağlanıyor, DNS ile proxy hangi sırada çalışıyor, ortam değişkeni hangi servisin anahtarını taşıyor. Bir tabiri öğrenmek bir adımdı, onu doğru bağlama oturtmak ayrı bir adım. Bu yüzden her yeni kavram bende iki ayrı yük bıraktı, önce anlamı, sonra yeri.

Üst Üste Çalışan Üçüncü Partiler

Bir başka görünmeyen yük üçüncü parti sistemlerdi. Muhafız Mentor tek bir program değil, birçok ayrı servisin üst üste çalıştığı bir yapı. Modeli sağlayan bir servis, metni sayıya çeviren bir servis, verinin durduğu bir veritabanı, sunucunun kendisi, alan adını yöneten bir katman, hepsi ayrı.

Bunların çoğunu daha önce hiç kullanmamıştım. Her biri için yeni bir üyelik açtım, arayüzünü tanıdım, içinde nasıl işlem yapacağımı öğrendim. Supabase panelinde bir sorgu çalıştırmak, Cloudflare'de bir DNS kaydını doğru yere yöneltmek, Hetzner'da bir sunucu açıp ayarlarını yapmak, Voyage'ın anahtarını alıp doğru yere yerleştirmek. Her birinin kendi mantığı, kendi kalabalık ekranı vardı; o kalabalıkta doğru düğmeyi bulmak bile bir öğrenme süreciydi.

Asıl iş bunları birbirine bağlamaktı. Birini ötekiyle konuşturmak. Terminalde bir komut yazıyordum, sonra üçüncü partinin paneline geçip sonucu kontrol ediyordum, sonra terminale geri dönüyordum. Bu gidip gelmeler envantere tek satır karar olarak yansımıyor ama günün saatlerini alıyordu. Bir mentor yapay zeka kurmak, kod yazmaktan önce, birbirini tanımayan sistemleri aynı masada konuşturmayı öğrenmek demek.

Her Şey O İlk Dosyaların Üstüne Kuruldu

Bütün bu kararların içinde bir grup var ki, ayrı durmayı hak ediyor. Projenin en başında hazırladığımız temel dosyalar.

Personaların çıkarılması, Mentor'ün dilinin belirlenmesi, her şeyin üstüne kurulduğu o ana dokümanların hazırlanması. İşin en kritik kısmı buydu. En çok çalıştığımız, en çok düşündüğümüz, hataya hiç yer olmayan yer. O dosyaları kelime kelime, cümle cümle tasarladık. Çünkü bir mentor yapay zekanın bütün davranışı o ilk metinlere dayanıyor. Oradaki bir kelime yanlışsa, üstüne kurduğun her şey yanlış yerden başlıyor.

İşin zihinsel ve zaman olarak en büyük yükünü bu ilk dosyalar çekti. Sonradan gelen yüzlerce karar bir zemine basıyordu. O zemini kuran kararlarsa boşlukta veriliyordu, henüz ortada hiçbir şey yokken. Eğer o temel sağlam olmasaydı, üstüne hiçbir şey inşa edemezdik.

Envanterdeki 110 ana kararın hepsi eşit ağırlıkta değil. İlk attığımız temel, en ağırı. Bir sayım onları aynı satırda gösterir, ama o ilk dosyalar için harcanan emek, sonraki onlarca kararın toplamına bedeldi.

Geri Döndüğümüz Beş Karar · Envanterin Dürüst Tarafı

Bir karar envanteri sadece "neyi doğru yaptık"ı değil, "neye geri döndük"ü de göstermeli. Beş kararı yol boyunca değiştirdim.

Birincisi, kalıcı hafızanın boyutu. Mimari hedefim baştan düşük bir bütçeydi, ilk derlemede çok yükseğe çıktı. Sonra mini sözlük ve mikro özetler stratejisiyle 102 binden 25.7 bine sıkıştırdım.

İkincisi, yeniden sıralama servisi. Önce ayrı bir yeniden sıralama katmanı planlamıştım, demo için daha hızlı olan bir füzyon yöntemiyle değiştirdim.

Üçüncüsü, tek kullanıcı modu. Başta tek kullanıcı varsayımıyla çalıştım, halüsinasyon krizi bu varsayımın yanlış olduğunu gösterdi. Oturum izolasyonuna döndüm.

Dördüncüsü, ana parça ağırlıklandırma. Bilgi getirmede bir iyileştirme adımını planladım ama erteledim, mevcut isabet zaten kabul eşiğinin üstündeydi.

Beşincisi, önbellek ısıtma. Soğuk başlangıç gecikmesini azaltacak bir görevi planladım, maliyetle birlikte yeniden değerlendirmek için aktivasyon sonrasına bıraktım.

Bu beş dönüş envanterin en değerli kısmı. Çünkü bir projenin gerçek hikâyesi ilk kararlarda değil, hangi kararlardan geri dönüldüğünde yazılı.

Sıkça Sorulan Sorular

Bir mentor yapay zeka tasarlamak gerçekten 720 karar mı gerektirir?

Muhafız Mentor için öyle oldu. 110 ana karar, tahmini 610 mikro karar, toplam 720. Bu rakam ekibin disiplinine ve projenin kapsamına göre değişir. Kesin bir yasa değil, bir büyüklük tahmini. Ama "birkaç haftada biter" söyleminin altında bu mertebede bir karar yükü olduğunu gösteriyor.

Mikro karar nedir, ana karardan farkı ne?

Ana karar bir yön belirler, "Sonnet kullanalım" gibi. Mikro karar onu uygular; hangi sürüm, hangi azami uzunluk, hata durumunda ne yapılacak. Ana karar tartışılır, mikro karar çözülür. Asıl zihinsel yük mikro kararlardadır çünkü sayıları çok ve çoğu sessizdir.

En çok hangi kategori mikro karar üretti?

Güvenlik (110 mikro) ve altyapı (98 mikro). İkisi birlikte tüm mikro kararların yaklaşık yüzde 34'ü. Krizler ise ana karar başına en yüksek orana sahip, ortalama sekiz mikro karar.

Bu sayım benzer projeler için referans olur mu?

Evet, büyüklük tahmini olarak. Önemli olan tek bir toplam sayı değil, kategorilere bölünmüş sayım. Hangi alanda kaç karar verildiği. O dağılım, benzer bir mentor yapay zeka kuracak ekibe nereye ne kadar zaman ayıracağını gösterir.

Karar envanteri çıkarmak ne kadar sürer?

Kararı verirken kayıt tutmak kolaydır, envanteri sonradan çıkarmak zordur. Ben hafıza disiplinini yolun ortasında sıkılaştırdım, bu yüzden geriye dönük tarama gerekti. Erken kayıt tutan ekipler envanter çıkarırken kat kat az iş yapar.

Hangi kararlar geri çevrildi?

Beş tane. Kalıcı hafıza boyutu (sıkıştırıldı), yeniden sıralama servisi (füzyonla değiştirildi), tek kullanıcı modu (oturum izolasyonuna döndü), ana parça ağırlıklandırma (ertelendi), önbellek ısıtma (aktivasyon sonrasına bırakıldı).

Cem yokken karar verildi mi?

Bazı çıktılar bağımsız bir denetim mekanizmasıyla üretildi. Ana akışı görmeyen, sıfırdan brieflenen bir denetçi her çıktıyı kontrol etti, en fazla iki düzeltme turu, son onay benim. Bu süreci insan-yapay zeka işbirliği yazısında anlattım.

Mentor canlı çalışıyor mu, kararlar uygulamada mı?

Evet. Muhafız Mentor yayında, muhafiz.cemunsal.com. Bu 720 kararın hepsi bir tablo satırında değil, canlı bir yapay zekanın davranışında.

Sayım Bir Vasıtadır

Bu envanter bir nostalji değil. Bir mentor yapay zekanın kaç karardan doğduğunu saymak, kendi başına bir değer üretmez. Değeri şurada. Gelecekte benzer bir iş yapacak biri, "bu kaç karar ister?" sorusunun somut bir cevabını bulsun.

Cevap basit. Çok. 110 ana karar görünür kısımdır, altındaki 610 mikro karar suyun altında. O mikro kararlar olmasaydı, em-dash yasağı bir kural olarak kalır ama uygulamada çürürdü. "Oturum izolasyonu yapalım" denir ama bellek sınırı, zaman aşımı, temizleme sıklığı çözülmeden kalırdı. "Hetzner kullanalım" onaylanır ama bir SSH satırı yüzünden iki saat kriz yaşanırdı.

Muhafız Mentor canlı çalışıyorsa, bu kararların hepsi doğru ya da yeterince iyi cevaplandı demektir. Karakterini koruyorsa, 110 ana kararın değil, 720 toplam kararın senkronu sağlandı demektir.

Karar Envanteri, yapay zeka proje yönetimine önerdiğim bir disiplin. Kararı belirsiz bırakmamak, saymakla başlar. Saymak bir performans değil, bir hazırlık. Çünkü bir yapay zeka projesinin gerçek maliyetini önceden bilmek, ona hazırlanmak demektir.

Bu beş yazılık serinin sonu burası. Muhafız Mentor canlı yayında, muhafiz.cemunsal.com. Kitap rafta, Muhafız. Serinin diğer yazılarını yapay zeka köşesinde, benim yolculuğumu hakkımda bulabilirsin. Bir mentor yapay zeka kurmayı düşünüyorsan, ilk adım kod değil. Bir karar defteri aç ve saymaya başla.