Mantıklı görünen eşleşme yine de yanlıştı
Ekim 2026 · Anonimleştirilmiş bir operasyon akışından not
İlk yaklaşım makul görünüyordu: kayıtları PNR’ın ilk altı karakteriyle eşleştirmek. Kuralı anlatmak kolaydı, çıktı da tutarlı görünüyordu. AI bu fikri koda dönüştürmeme yardımcı oldu. Bunların hiçbiri varsayımın doğru olduğunu göstermiyordu.
Yaklaşımı değiştiren kontrol
Eşleşmeleri gerçek koltuk verisiyle karşılaştırdığımda yaklaşık dörtte birinin yanlış olduğunu gördüm. Kod, verilen kuralı uygulamıştı; sorun kuraldaydı. Ortak görünen bir tanımlayıcı, iki kaydın aynı koltuğa ait olduğunu göstermeye yetmiyordu.
Eşleştirmeyi koltuk verisine dayalı olacak şekilde değiştirdim. Asıl adım, kayıtların gerçekte neyi temsil ettiğine dönmek ve sonucu bununla kontrol etmekti. Burada veri seti veya yeni bir doğruluk oranı yayımlamıyorum; bu düzeltmeden çıkardığım dersi anlatıyorum.
Benim katkım
Operasyon sorusunu ben getiriyorum, doğru sonucun ne olduğuna karar veriyorum ve uyuşmayan kayıtları inceliyorum. AI araçları bir kuralı araştırmayı ve uygulamayı kolaylaştırıyor. Hangi kanıta bakacağımı seçmek ve sonucu kabul etmek benim sorumluluğum.
Bu yüzden geliştirme sırasında “Kod çalışıyor mu?” sorusunun yanına “Bu varsayımın yanlış olduğunu ne gösterir?” sorusunu koyuyorum. Bu örnekte cevap, gerçek koltuklarla karşılaştırmaydı. Başarılı bir derleme bunu söyleyemezdi.
Diğer projelere taşıdığım alışkanlık
Kanıtı görünür kılmaya çalışıyorum: Jazari’de model dosyaları ve değerlendirme notları açık; Qragy’de bilgi erişimi ve insana devretme akışı kaynak koddan incelenebiliyor. Her projenin kontrolü farklı, ama alışkanlık aynı: makul görünen bir sonuca güvenmeden önce somut bir doğrulama yolu seçmek.
Bunlar kişisel notlarım. Research arşivindeki otomatik derlenen AI bültenleri ayrıca etiketleniyor.