Bir yapay zekâ mesaj kontrolcüsü neyi kontrol edebilir, bunu kendin nasıl yaparsın

Yapay zekâ mesaj kontrolcüsü diye arama yaptıysan, mesaj muhtemelen elinde zaten var. Metin kutusunda duruyor, altı kez okudun, açıkça yanlış giden bir şey yok. Sadece bir tuhaflık var. Ya çok soğuk, ya çok fazla, ya da tam olarak neresi olduğunu gösteremediğin bir savunmacılık.

Bir yapay zekâ mesaj kontrolcüsü, zaten yazdığın bir mesajı okur ve göndermeden önce kelimelerin nasıl bir izlenim bırakabileceğini gösterir. Bazıları bunun ardından yeniden de yazıyor. Önemli olan kısım kontrol etme kısmı. Çoğu araç da tam bunu atlıyor.

Subtext’in kurucu ortağıyım, tam olarak bu an etrafında kurulmuş bir uygulama, o yüzden bu kategori konusunda tarafsız değilim. Faydalı olabileceğim yer daha dar bir soru: bir yazılım bir mesaj hakkında gerçekte ne söyleyebilir ve hâlâ kendinin karar vermesi gereken kısım ne. Aşağıdaki her araştırma iddiası kendi kaynağına bağlı.

Mesaj kontrolcüsü neyi kontrol edebilir, hangi sınırı geçmemeli

Bir kontrolcü önündeki dili analiz edebilir. Kelimeler resmi mi yoksa gündelik mi okunuyor, doğrudan mı yoksa dolaylı mı, sıcak mı yoksa mesafeli mi. Bir ifade karşı tarafın niyetini bir gerçekmiş gibi mi sunuyor. İki satırlık bir reddin içinde üç tane özür var mı.

Yapamadığı şeyse, birinin özel olarak ne hissettiğini doğrulamak.

Şu taslağı ele alalım: “Boş ver. Sen bilirsin.” Bir kontrolcü makul biçimde “Boş ver.” kısmının kesik geldiğini, “sen bilirsin” kısmının da geri çekilme gibi okunduğunu söyleyebilir. Bunu yazan kişinin öfkeli olduğunu ortaya koyamaz. Bunlar farklı iddialar. Ton tespiti pazarlamasının çoğu bunu söylemeden ikisinin arasında gidip geliyor. Bu konudaki kanıtları, yapay zekânın ton hakkında ne bilip ne bilmediğini ele aldığım ayrı bir yazıda topladım.

Göndermek üzere olduğun bir mesaj için zaten ihtiyacın olan şey zihin okuma değil. İhtiyacın olan şey ikinci bir okuyucu, çünkü kendi taslağın için bu okuyucu sen olamazsın.

Kendi taslağını yeniden okumak neden işe yaramıyor

Kruger, Epley, Parker ve Ng bu konuda 2005’te beş deney yürüttü¹. Makale okunduğundan çok daha sık alıntılanıyor.

Beşinin en büyüğünde, 154 öğrenci çifti alay, ciddiyet, öfke ya da üzüntü taşıması amaçlanan ifadeler yazdı, sonra partnerlerinin kastedilen tonu doğru tahmin edip etmeyeceğini öngördü. Gönderenler bunların yüzde 88,8’inin doğru anlaşılacağını bekliyordu. Gerçekte yüzde 70,4’ü anlaşıldı.

Asıl bulgu bu boşluk. Yazarlar bunun ne anlama gelmediği konusunda dikkatli. İlk deneylerindeki doğruluk oranı yüzde 84’tü. Şunu yazıyorlar: bu verilerden yola çıkıp “insanların e-posta üzerinden alayı iletmekte kötü olduğunu öne sürmek yanıltıcı olur.” Ne anlama geldiğine dair özetleri şu: “insanlar ne kadar yetenekli olursa olsun, kendilerini sandıkları kadar yetenekli değiller.”

Üç detay bunu gönderen için daha da zorlaştırıyor. Arkadaşlar yabancılardan daha isabetli değildi ve tıpkı onlar kadar aşırı özgüvenliydi, yani seni iyi tanıyan birine yazmak bu boşluğu kapatmıyor. Emojiler de kapatmıyor: aynı makalenin içinde raporlanan bir takip çalışması, gönderenlerin emoji kullanıp kullanamayacağını değiştirdi ve “emoji kullananlarla kullanmayanlar arasında aşırı özgüven açısından bir fark bulunmadığını” buldu, insanların tonu yüzde 56 oranında doğru okuduğuna dair yaygın olarak dolaşan iddia, metindeki bir sayı değil, bir grafiğin okunuşu. Makalenin o koşul için bastığı rakam, 29 çift arasında rastgele tahminden ayırt edilemeyen bir doğruluk oranı. O 56’yı tekrar etmeye değmez.

Adımlara geçmeden dürüst bir sınırlama. Bu, e-posta üzerine 2005’te yapılmış bir araştırma. Yazarlar mekanizmanın sohbete ve anlık mesajlaşmaya da uzanacağını bekliyordu ve bunu söylediler, ama kimse bunu modern mesajlaşma üzerinde yeniden çalıştırmadı. Mekanizmayı sağlam temelli, kesin yüzdeleri ise e-postaya ait olarak değerlendir.

Mesajının güvenilir biçimde taşıdığı şey ve kaybettiği şey

Holtgraves² en işe yarar güncel rakamları veriyor. Gönderenler, adını koymadan 22 duygudan birini taşıyan mesajlar yazdı. Okuyucular duyguyu serbest cevapla yüzde 20,1 oranında, çoktan seçmeliyle de yüzde 46,3 oranında doğru tespit etti. Yanlış bildiklerinde bile, serbest cevap çalışmasında yüzde 84,5, çoktan seçmeli çalışmasında da yüzde 90,6 oranında en azından doğru olumlu ya da olumsuz yöne düşüyorlardı.

Bu, gönderen için tek bir talimat çıkarıyor. Okuyucu neredeyse kesinlikle bir tuhaflık olduğunu fark edecek. Sebebini muhtemelen yanlış tahmin edecek. Yani kontrolün hedefi duyguyu gizlemek değil, okuyucunun daha kötü bir sebep uydurmasına izin veren o belirsizlik.

Byron’ın çerçevesi³ kaybın yönünü tahmin ediyor: olumlu e-postalar genelde nötr olarak ulaşıyor, nötr olanlar da olumsuz olarak. Bu bir deney değil bir kuram makalesi, o yüzden ona göre tart. Doğal hissettirenden bir tık daha sıcak yaz, o zaman doğal olarak ulaşır.

Yedi adımlık kontrol

Bir metnin kulağa hoş gelip gelmediğine dair geçerliliği kanıtlanmış bir bilimsel test yok. Aşağıdakiler, kendi taslağınla arana mesafe koymanın bir yolu. Bir dakikadan kısa sürüyor ve hiçbir uygulama gerektirmiyor.

1. Ne demek istediğini kendin eklemeden oku

En çok ağırlık taşıyan cümleyi al, kim yazdığını bilmiyormuşsun gibi oku.

“Sanırım artık sana nasıl uyuyorsa öyle yap.” Bunun samimi olup olmadığını sen bilirsin. Okuyucun bilmez. “Sanırım” isteksizliğe işaret edebilir. “Artık” sabırsızlık katabilir. “Nasıl uyuyorsa” kararın dışına çekilmek gibi okunabilir.

Bu okumaların hiçbiri otomatik olarak doğru okuma değil. Hepsi okuyucuya açık, kontrol etmenin bütün meselesi de zaten bu.

2. Özürleri ve temkinli ifadeleri say

Bu, gördüğüm en yaygın kusur. Her iki yarısının da arkasında kanıt var.

Freedman, Burgoon, Ferrell, Pennebaker ve Beer⁴, toplamda yaklaşık 1.880 katılımcıyı kapsayan çalışmalarda, reddedişlere eklenen özürlerin incinmişlik hissini artırdığını ve gerçek bir affetmeyi artırmadan “seni affediyorum” demek için baskı yarattığını buldu. Özürlü reddedişler, davranışsal bir görevde daha fazla saldırganlık üretti. İyi bir ret yazmaları istendiğinde insanların yaklaşık yüzde 39’u kendiliğinden bir özür ekledi, yani ters teper hamle aynı zamanda popüler olan hamle. Kanıt özellikle reddedişlere ve geri çevirmelere özgü. Bunu daha fazla germeyeceğim.

Temkinli ifadeler konusunda, Givi, Kirk, Grossman ve Sedikides⁵, bir davete düz bir hayır yerine temkinli bir “belki” ile cevap vermek üzerine altı deney yürüttü, beşi önceden tescillenmiş. Davet edilenler, davet edenin “belki”yi ne kadar tercih edeceğini olduğundan fazla tahmin etti, çünkü bir “belki”nin davet edeni ne kadar daha saygısız hissettirdiğini olduğundan az tahmin ettiler. Üzerinde durmaya değer kısım açıklamaları: “belki”, onu gönderen kişiye, alan kişiden daha fazla hizmet ediyor, gerisini de güdülenmiş akıl yürütme hallediyor. Bu kanıt davetlerle ilgili, o yüzden onu zaten verdiğin ve belirsizlik kılığına soktuğun herhangi bir karara uygulamak, onların bulgusu değil benim uzatmam.

Pratikte: her “kusura bakma”yı, her “rahatsız ettiğim için özür dilerim”i, her “umarım can sıkıcı olmuyordur”u say. En fazla birini tut, sadece de gerçekten yaptığın bir şey için özür diliyorsan. Sonra belki, olabilir, bakarız, kontrol edip sana dönerim ifadelerini ara. Bazıları dürüst bir belirsizliktir, kalmalı. Kesilmesi gerekenler, yazarken içinin rahatladığı olanlar.

Bu sayım, Subtext’in bir taslak üzerinde çalıştırdığı ilk şey de, tam olarak Freedman’ın rakamlarının işaret ettiği sebepten: içgüdüsel olarak eklediğin özür, yeniden okurken fark etme ihtimalinin en düşük olduğu özür.

3. Onlarla değil seninle ilgili olan cümleyi bul

Her cümleyi oku ve kime hizmet ettiğini sor. “Uzun zamandır yazacaktım, kendimi çok kötü hissediyorum” cümlesi, şimdi seni rahatlatmak zorunda kalan birinin önünde kendi suçluluğunu yönetmen. Bu, bir itiraf kılığına girmiş bir talep.

Bu adım bir bulgu değil, bir akıl yürütme. Kimse bu deneyi yapmadı. Bunu ekliyorum çünkü binlerce taslak okuyarak bulduğum en güvenilir örüntü bu ve çünkü araştırmanın belgelediği bir şeyin hemen yanında duruyor: aklanma isteyen bir özürle bir bedeli kabul eden bir özür farklı eylemler. Alıcı için bir işe yarayan sadece ikincisi.

Çözüm genelde silmek. Bazen de cümleyi sona taşımak, orada asıl mesele gibi değil bir dipnot gibi okunuyor.

4. İsteğin bir de yargı taşıyıp taşımadığını kontrol et

“Perşembeye kadar haber verebilir misin?” ile “Bu sefer gerçekten haber verir misin lütfen?” cümlelerini karşılaştır.

İkisi de bir istek. İkincisi ayrıca kişinin geçmiş davranışına dair bir yorum da yapıyor. Bu bilinçli olabilir. Bazen de öyle olmalı. Ama çoğu zaman, yazarken sinirli olduğun için ortaya çıkıyor, o sinir de oturacak bir yer buluyor.

İşi yapan kelime genelde küçük oluyor. Gerçekten. Yine. Sonunda. Bu sefer. Özellikle bunları ara.

5. Açıklamanın işi ele geçirip geçirmediğini kontrol et

Açıklamalar işe yarar ve sessizce savunmaya dönüşürler. Bu en çok özürlerde, iptallerde ve anlaşmazlıklarda oluyor. Ne olduğuyla başlıyorsun, sonra neden olduğuyla, sonra da tepkinin neden mantıklı olduğuyla. Sonunda, sen bir özür gönderdiğini sanırken okuyucu bir savunma dosyası almış oluyor.

Açıklamayı bir an için sil ve geriye ne kaldığına bak. İstek hâlâ net mi? Kabul hâlâ orada mı? Hayır hâlâ hayır mı? Mesaj açıklama olmadan çöküyorsa, açıklama taşımaması gereken bir şeyi taşıyordu demektir.

6. Bir şey mi ekliyor, yoksa sadece cevap mı istiyor diye sor

Lew, Walther, Pang ve Shin⁶, yanıt gecikmesini konuşma bağlılığıyla kesiştirdi, yani bir mesajın kendinden önce söylenenle ne kadar doğrudan ilişki kurduğuyla. Bağlılığı yüksek cevaplar genel olarak kalıp cevaplardan daha iyi puan aldı, ama hızın etkisi bağlılığa bağlıydı: hızlı bir cevap ancak aynı zamanda bağlılığı da yüksekse yardımcı oluyordu, hızlı ama kalıp gibi, senaryodan okunmuş gibi duran bir cevapsa dört koşulun en kötüsü olarak değerlendirildi, yavaş bir kalıp cevaptan bile kötü. Bağlılık, yavaşlığı yumuşatmıyordu. Hızın işe yaraması için bir ön koşuldu.

Yani konuşmayla ilişki kuran bir mesaj içeriğine göre değerlendiriliyor, sadece cevap dürten bir mesajsa sana borçlu hissettirilen bir şey için yapılan bir talep gibi değerlendiriliyor. “?” ve “orada mısın?” bunun saf hali. “Bunu görmüş müsündür diye bakıyordum sadece” ise aynı işi daha güzel bir kılıfla yapıyor.

Hızlı test: son satırı sil. Mesaj hâlâ bir şey söylüyorsa, son satır bir dürtmeydi ve silinmiş kalabilir.

7. Yanlış tonla yüksek sesle oku

Bu, burada doğrudan arkasında bir deney olan tek adım. Sonuç genelde duyduğun tavsiyeden daha spesifik.

Kruger makalesinin dördüncü deneyinde¹, 54 öğrenci e-postayla gönderilmek üzere alaycı ve ciddi ifadeler yazdı, sonra partnerinin bunu ne kadar iyi çözeceğini tahmin etmeden önce her birini bir teybe yüksek sesle okudu. Yarısı her ifadeyi kastettiği tonla okudu. Yarısı da tam tersi tonla okudu, alaycı olanları ciddi, ciddi olanları da alaycı söyleyerek.

İkinci grup aşırı özgüvenli olmaktan çıktı. Makalenin kendi ifadesiyle, “fenomenoloji müdahalesi katılımcıların aşırı özgüvenini tamamen sildi.” Kendi kelimelerini kendi kastettikleri tonla okuyan ilk grupsa, önceki çalışmalardaki herkes kadar hatalı kalibre olmuş halde kaldı.

Yani taslağını kastettiğin şekilde yüksek sesle okumak hiçbir işe yaramıyor, bu da bu tavsiyenin standart versiyonu için can sıkıcı. Bunun yerine, korktuğun tonla yüksek sesle oku. Düz bir sesle söyle. Soğuk söyle. Karşındakine kızgınmışsın gibi söyle. Buna dayanıyorsa, gönder. Ağzında farklı bir mesaja dönüşüyorsa, o okuma zaten baştan beri metnin içinde oturuyordu ve sen onu göremiyordun.

Bir deney, 54 kişi, e-posta üzerinde. Yine de bu sayfadaki en sağlam kanıtlanmış madde. Aynı zamanda Subtext’in bir taslağı okurken yaptığı şeyin en yakın tarifi: kelimelerinin, kafanın içindekinden farklı bir sesle bir kez daha geçirilmesi.

Sonra bir kere de onu alan kişi gibi oku

Bir mesajın alacağı okuma, onu elinde tutan kişiye bağlı. O kişi de aşırı özgüvenli. Aynı Kruger çalışmasında, e-posta okuyucuları gönderenin kastettiği tonu yüzde 89,3 oranında doğru tespit ettiklerine inanıyordu, gerçekte ise yüzde 62,8 oranında haklıydılar¹. Mesajının ne anlama geldiğine karar verdikten sonra, bunu kontrol etmeyecekler.

Kim olduğu ihtimalleri değiştiriyor. Sillars ve Zorn⁷, işyeri e-postasında bir olumsuz yoğunlaştırma önyargısı belgeledi: alıcılar mesajları, işin içinde olmayan gözlemcilere kıyasla daha olumsuz değerlendiriyor ve mesajın gerçek özelliklerine yalnızca zayıf biçimde bağlı kalıyordu. Etki, kötü iletişim ortamlarında ve hiyerarşide daha altta olan insanlar arasında daha güçlüydü. Kingsbury ve Coplan⁸, sosyal kaygısı olan okuyucuların belirsiz metinleri daha olumsuz yorumladığını, 215 ve 353 kişilik örneklemler genelinde buldu.

Yani senden daha astlarına, gergin olduğun birine ya da kaygılı birine mesaj atıyorsan, taslağının elindeki en keskin okuma paranoyakça değil, muhtemel bir okuma. Mesajı onlar gibi, o ruh halindeyken oku ve dayanıp dayanmadığına bak.

Açıkça söylemekte fayda var, çünkü popüler versiyon abartıyor: kanıt herkesin varsayılan olarak her şeyi en kötü şekilde okuduğunu göstermiyor. Gösterdiği şey, olumsuz yorumun kimin okuduğuna ve o an ilişkinin nasıl olduğuna göre öngörülebildiği.

Mesaj kontrolcüsü mü, mesaj yeniden yazıcısı mı

İkisi de altta benzer modeller üzerinde çalışabilir. İşe yarayan an ise farklı bir noktada gerçekleşiyor.

“Boş ver. Sen bilirsin.“e geri dönelim. Bir yeniden yazıcı sana “Olur, hangisi sana uyuyorsa onu yap.” verebilir. Bu daha pürüzsüz ve farklı bir mesaj. Belki sinirlisindir ve bunun bir kısmının hayatta kalmasını istiyorsundur. Önce kontrol etmek, silip silmeyeceğine karar vermeden önce etkiyi görmeni sağlıyor.

ChatGPT göndermeden önce bir mesajı kontrol edebilir mi

Evet, doğru şekilde sorarsan. Başarısızlık şekli şu: genel bir asistan daha kolay problemi çözer ve sana hiçbir şey söylemeden önce bir yeniden yazım verir.

İkisini açıkça ayır:

Bunu alan kişi gibi oku. Henüz yeniden yazma. Muhtemelen kastettiğimden daha soğuk, daha savunmacı ya da daha yoğun okunabilecek ifadelerin hangileri olduğunu söyle ve her birinin neden öyle okunduğunu açıkla.

Sonra taslağı yapıştır ve ilişkiyi ve varsa önceki mesajı da ekle, eğer ikisi de anlamı değiştiriyorsa.

Ara sıra gelen zor bir metin için bu gayet iyi işliyor. Özel bir kontrolcünün ortadan kaldırdığı şeyse bu kurulum, bu da esas olarak önemli çünkü dikkatli bir prompt kurmakta en yetersiz olduğun an, tam da ona ihtiyaç duyduğun an.

Telefonun zaten ne yapıyor

Apple Intelligence Yazma Araçları seçili metni yeniden yazıyor ve Samimi, Profesyonel ve Kısa ve öz seçenekleri sunuyor, daha spesifik bir şey için de bir “değişikliğini tarif et” kutusu var⁹. Google’ın Magic Compose’u, desteklenen cihazlarda Google Messages içinde cevaplar öneriyor ve taslakları farklı üsluplarda yeniden yazıyor¹⁰. Samsung’un Writing Assist’i, desteklenen Galaxy telefonlarda metin üretiyor, yazım tarzını değiştiriyor ve imla ile dilbilgisini kontrol ediyor¹¹. Tespit konusunda en ileri giden Grammarly, ton kontrolcüsünün kelime seçimini, ifade biçimini, noktalamayı ve büyük harf kullanımını analiz ettiğini belirtiyor¹².

Bunların hepsi ne istediğini bildiğinde iyi işliyor. “Bu çok resmi, daha gündelik yap” çözülmüş bir problem ve zaten sahip olduğun donanımda ücretsiz.

Daha zor versiyon şu: “Bunda neyin yanlış olduğunu bilmiyorum, kulağa iyi geliyor mu.” Kontrol etmekle değiştirmenin aynı iş olmaktan çıktığı yer, tam da bu soru.

Subtext kontrolü nasıl yapıyor

Subtext, yazdığın mesajdan başlıyor ve bir şeyi değiştirip değiştirmeyeceğine karar vermeden önce onun nasıl bir izlenim bırakabileceğini gösteriyor. Sıfırdan yazabilir, bir taslak yapıştırabilir ya da bağlam için konuşmanın ekran görüntüsünü ekleyebilirsin.

Analiz, taslağının tonunu ve netliğini okuyor, belirsiz, sert, pasif ya da yanlış anlaşılmaya açık gelebilecek ifadeleri işaretliyor. Buradan alternatif ifadeler alabilir, ya da daha kısa, daha sıcak, daha rahat ya da özgüven ekle’ye dokunabilirsin, o da sesini koruyarak yeniden yazıyor¹³.

Ekran görüntüsü farklı bir iş görüyor. Cevabın yazışmaya uysun diye konuşma bağlamı sağlıyor. Bu konuda kesin olmakta fayda var: tetikleyici ve duygu analizi kendi taslağın üzerinde çalışıyor. Birinin gönderdiği bir şeyin ekran görüntüsü, senin cevabın için bir bağlam, onların özel olarak ne hissettiğinin kanıtı değil. Bu dahil hiçbir araç bunu bir ekran görüntüsünden ortaya koyamaz.

Önemsediğim kısım sıralama. Taslağı oku. Kastettiğinden farklı ulaşabilecek neyin olduğunu gör. Sonra bir şeyin değişmesi gerekip gerekmediğine karar ver. Bazen işe yarayan sonuç, mesajın zaten sorunsuz olduğunu görmek.

Subtext, iPhone ve Android’de ücretsiz başlıyor.

Bunların hiçbirinin yakalayamadığı şey

Üç sınır. Bunlar adımlardan daha önemli.

Kontrol yapısal. Özürleri, temkinli ifadeleri, dürtmeleri, yargıları ve kendini kollayan cümleleri buluyor. Söylediğin şeyin doğru, adil ya da söylemeye değer olup olmadığı konusunda bir görüşü yok. İyi ifade edilmiş bir mesaj, önemli olan her açıdan yanlış olabilir.

Okuyucu kendi hava durumunu da beraberinde getiriyor. 51 çiftle yapılan, önceden tescillenmiş 2025 tarihli bir çalışma¹⁴, insanların kısmen kendi o anki ruh hallerini partnerlerinin mesajlarına okuduğunu buldu. Taslağındaki hiçbir şey bunu kontrol edemiyor.

Kontrol de sorunun ifade biçimi olduğunu varsayıyor. Bazen değil. Aynı mesajı dokuzuncu kez yeniden yazıyorsan, ya da birinin kızıp kızmadığını öğrenmek için üç takip mesajı gönderiyorsan, gerilim altındaki şey artık ifade biçimi olmaktan çıkmış demektir. Mesajlaşma kaygısı üzerine ve belirsiz mesajlara öfke okuma üzerine yapılan araştırmalar hakkında ayrıca yazdım, ikisi de daha iyi bir taslaktan daha fazla işe yarıyor. Bu, günlerini şekillendirecek kadar kalıcıysa, bir doktor ya da terapist, bir uygulama yapan birinin yazdığı bir makaleden daha iyi bir kaynak.

Sık sorulan sorular

Yapay zekâ mesaj kontrolcüsü nedir? Zaten yazdığın bir mesajı analiz eder ve göndermeden önce ifadenin nasıl bir izlenim bırakabileceğini gösterir. Araca göre bu, tonu, netliği, resmiyeti, belirsizliği ya da yanlış anlaşılması muhtemel ifadeleri kapsayabilir. Bazıları ardından yeniden yazım da sunar.

Yapay zekâ mesajımın kaba geldiğini anlayabilir mi? Makul biçimde sert, küçümseyici ya da suçlayıcı okunabilecek ifadeleri tespit edebilir. Belirli bir kişinin bunu kaba bulacağını garanti edemez. İşe yarayan bir kontrolcü, sana tek bir etiket vermek yerine, o okumayı yaratan spesifik ifadeyi adlandırır.

Mesaj kontrolcüsü ile ton kontrolcüsü aynı şey mi? Örtüşüyorlar. Bir ton kontrolcüsü genelde yazıdaki nitelikleri adlandırır, resmi, özgüvenli ya da suçlayıcı gibi. Bir mesaj kontrolcüsü ise ayrıca netliğe, spesifik ifadeye ve konuşma bağlamına da bakabilir.

Yapay zekâ bir metinden birinin ne hissettiğini bilebilir mi? Dili analiz edebilir ve makul okumalar sunabilir. Tek başına bir metin, yazanın özel duygusal durumunu ortaya koymaz. Birinin gerçekte ne hissettiğine dair kendinden emin iddialar, kelimelerin desteklediğinin ötesine geçer.

Mesaj kontrolcüsü ile yapay zekâ mesajlaşma uygulaması arasındaki fark ne? “Yapay zekâ mesajlaşma uygulaması”, flört cevap üreticilerini, yazma klavyelerini, sohbet botlarını ve otomatik cevap araçlarını kapsayan geniş bir terim. Bir mesaj kontrolcüsünün işi daha dar: zaten yazdığın bir şeyi, göndermeden önce analiz etmek.

---

Bir çalışmayı yanlış okuduğumu mu düşünüyorsun, ya da kaçırdığım bir araştırma mı var? LinkedIn’den bana ulaş.

Samet Durgun, mesajlarının duygusal tonunu yakalayıp onları kendi sesinle yeniden yazan Subtext uygulamasının kurucu ortağı. Berlin’de yaşıyor.

Kaynaklar

Yukarıdaki her bağlantı, varsa birincil kaynağa gidiyor, görünüş sırasına göre numaralandırıldı. Bir adım kanıttan çok akıl yürütmeye dayandığında, bu yazı bunu yakındaki bir çalışmadan ödünç bir otoriteye başvurmak yerine açıkça söylüyor. Alıntılar birebir.

1. Kruger, J., Epley, N., Parker, J., & Ng, Z.-W. (2005). Egocentrism over e-mail: Can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. Beş deney. Çalışma 1 N = 12, Çalışma 2 N = 60, Çalışma 3 154 çiftte N = 308, Çalışma 4 N = 54, Çalışma 5 N = 58. University of Illinois Board of Trustees ve NSF hibe SES-0241544 tarafından finanse edildi. Yaygın olarak alıntılanan yüzde 56 rakamı, metindeki bir sayı değil, Çalışma 2’deki Şekil 1’in bir okuması. doi.org
2. Holtgraves, T. (2022). Implicit communication of emotions via written text messages. Computers in Human Behavior Reports, 7, 100219. N = 136 ve N = 167. doi.org
3. Byron, K. (2008). Carrying too heavy a load? The communication and miscommunication of emotion by email. Academy of Management Review, 33(2), 309-327. Kuramsal makale, örneklem yok. doi.org
4. Freedman, G., Burgoon, E. M., Ferrell, J. D., Pennebaker, J. W., & Beer, J. S. (2017). When Saying Sorry May Not Help: The Impact of Apologies on Social Rejections. Frontiers in Psychology, 8, 1375. Toplam N yaklaşık 1.880; bulgular özellikle reddedişlere özgü. doi.org
5. Givi, J., Kirk, C. P., Grossman, D. M., & Sedikides, C. (2025). Maybe don’t say “maybe”: How and why invitees fail to realize that they should not respond to invitations with a “maybe”. Journal of Experimental Social Psychology, 121, 104814. Altı deney, beşi önceden tescillenmiş. Bulgular özellikle davetlere özgü. doi.org
6. Lew, Z., Walther, J. B., Pang, A., & Shin, W. (2018). Interactivity in Online Chat: Conversational Contingency and Response Latency in Computer-Mediated Communication. Journal of Computer-Mediated Communication, 23(4), 201-221. N = 131, 2×2 gruplar arası tasarım. doi.org
7. Sillars, A., & Zorn, T. E. (2021). Hypernegative Interpretation of Negatively Perceived Email at Work. Management Communication Quarterly, 35(2), 171-200. doi.org
8. Kingsbury, M., & Coplan, R. J. (2016). RU mad @ me? Social anxiety and interpretation of ambiguous text messages. Computers in Human Behavior, 54, 368-379. N = 215 ve N = 353. doi.org
9. Apple Destek. Use Writing Tools with Apple Intelligence on iPhone. support.apple.com
10. Google Destek. Draft messages with Magic Compose. support.google.com
11. Samsung Destek. Use Writing Assist on Galaxy phones and tablets. samsung.com
12. Grammarly. Writing Tone Detector and Tone Suggestions. grammarly.com
13. Subtext. subtext.it, Ağustos 2026 itibarıyla kontrol edildi.
14. Steinebach, P., Stein, M., & Schnell, K. (2025). Messenger-based assessment of empathic accuracy in couples’ smartphone communication. BMC Psychology, 13, 147. 51 çiftte N = 102; katılımcı sayısı önceden tescillenmiş hedefin altında kaldı. doi.org