Yapay Zekâ Mesajlarını Robot Gibi mi Gösteriyor? Araştırma

Genelde evet. Ve ilk kez bunun nedenine dair düzgün bir araştırma var. Bir yapay zekâ modeli bir mesajı yeniden yazdığında anlam büyük ölçüde yerinde kalıyor. Bir şeyleri söyleme biçimin ise kalmıyor. Kaynaşmış kısa biçimler açılıyor (İngilizcede “I’m” yerine “I am” geliyor), birinci şahıs “I” daha seyrek geçiyor, ritmini taşıyan küçük kelimeler toparlanıp kaldırılıyor ve geri gelen metin herhangi biri için yazılmış gibi okunuyor.

Tam olarak bu sorunun etrafında kurulmuş bir uygulama olan Subtext’in kurucu ortağıyım, o yüzden onun hakkında söylediklerimi buna göre tart. Sunabileceğim şey, çalışmaları baştan sona okumuş olmam; her birine bağlantı verdim ki beni kontrol edebilesin. Aşağıda ne gösterdikleri, neyi göstermedikleri ve bu konuda ne yapabileceğin var, ister bizim uygulamamızı kullan ister taslaklarını ChatGPT’ye yapıştır.

Yapay zekâ bir mesajı yeniden yazınca ne oluyor

Şimdiye kadarki en büyük çalışma Ağustos 2026’da Nature Human Behaviour’da yayımlandı. Araştırmacılar 880.000’den fazla metne baktı; aralarında aynı yazıların “cilala”, “daha net yap” ve “daha doğal yap” gibi komutlarla birkaç yapay zekâ modelinden geçirildiği kontrollü deneyler de vardı. Temel içerik yerinde kaldı. İnsanların yazışındaki çeşitlilik ise kalmadı. Veri setleri ve modeller genelinde yazı karmaşıklığının dağılımı %21 ile %50 arasında daraldı; bir yazarın cinsiyetini, yaşını, siyasi görüşünü ya da değerlerini yazısından tahmin eden sınıflandırıcılar da yeniden yazılmış metinlerde gözle görülür biçimde kötüleşti, hatalar da çoğunluk profiline doğru kaydı (The shrinking landscape of linguistic diversity in the age of large language models)¹.

O çalışmanın yeniden yazma deneyi Reddit gönderilerini ve akademik özetleri kullandı. 2026 tarihli, daha küçük ve hâlâ ön baskı aşamasındaki bir çalışma ise bir mesaja daha yakın bir şeye, önde gelen üç modelin her birinin yeniden yazdığı 300 kişisel hikâyeye baktı. Örüntü her seferinde aynıydı. Daha az kaynaşmış kısa biçim. Daha az birinci şahıs zamiri. Daha az küçük işlev kelimesi. Daha uzun kelimeler ve daha süslü noktalama. Talimatın “bunu iyileştir” ya da sadece “bunu yeniden yaz” olması fark etmedi. Modele yazarın sesini korumasını söylemek etkiyi yaklaşık üçte bir azalttı, ama yön hiç değişmedi; model de eklemeyi sevdiği şeyden geri durmayı, çıkarmayı sevdiği şeyi korumaktan daha iyi beceriyordu (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

İki bulgu ters yöne çekiyor ve bunlar önemli. ChatGPT öncesi ve sonrası haber makalelerine bakan 2025 tarihli bir çalışma, yapay zekâya özgü kelimelerin arttığını ama kullandığı ölçütlerde kelime çeşitliliğinde ölçülebilir bir kayıp olmadığını buldu, yani etki en net kontrollü yeniden yazımda, gerçek hayatta ise daha az net (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Birlikte yazma üzerine hakemli bir deney de, yazılar birbirine benzediğinde bu benzerliğin modelin eklediği metinden geldiğini buldu. Yazarların kendi katkıları eskisi kadar çeşitli kaldı (Does Writing with Language Models Reduce Content Diversity?)⁴.

İşe yarayan bulgu bu ikincisi. Hasarı cümlelerindeki küçük düzeltmeler değil, cümlelerinin yerine yenilerinin konması yapıyor.

Neden anlamın kalıyor da sesin kalmıyor

Yazı üslubu üzerine çalışan araştırmacılar iki şeyi ayrı tutar. Biri mesajın ne söylediği. Diğeri nasıl söylediği, ve bu “nasıl” çok sıradan malzemeden oluşur. Elinin gittiği gündelik kelimeler, cümlelerinin ne kadar uzun olduğu ve ne kadar değiştiği, noktalama alışkanlıkların, “bir bakıma” ve “açıkçası” gibi yumuşatıcılar, “naber” mi “ne haber” mi yazdığın, argo, emojiler, cümlenin ortasında başka bir dile geçiş. 2021 tarihli bir çevrimiçi yazı çalışması, bu alışkanlıkların, on binlerce yazar üzerinde eğitilmiş bir modelin iki kısa gönderiye bakıp ikisini aynı kişinin yazıp yazmadığını genelde anlayabileceği kadar tutarlı olduğunu buldu (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

Anlamın bu özelliklerin hiçbirine ihtiyacı yok. Yani bir yeniden yazım anlamı kusursuz koruyup bunların hepsini kaybedebilir. Nature çalışmasının ölçtüğü tam olarak buydu. Söylenen şey büyük ölçüde benzer kaldı, nasıl söylendiğindeki çeşitlilik ise çöktü.

Bu da “aynı mesaj” ile “aynı ses”i iki ayrı vaat hâline getiriyor. Çoğu araç yalnızca ilkini veriyor, çoğu insan da ikincisinin eksik olduğunu ancak gönder’e bastıktan sonra fark ediyor. Büyük üç sohbet botunun her birinin sözlerine ne yaptığını ayrıca yazdım. Burada bütün bunların önemli olup olmadığına karar verecek olan, sıradaki soru.

Karşındaki kişi bunu gerçekten fark ediyor mu?

Buradaki kanıt beklediğimden daha belirgin.

İnsanların teknolojiyi nasıl kullandığına dair araştırmaların ana konferansı olan CHI’da 2026’da yayımlanan bir çalışma bunu tam olarak romantik ilişkilerde test etti. Bir partnerden gelen mesajları okuyan 704 kişiyle yapılan randomize bir deneyde araştırmacılar iki şeyi değiştirdi. Yapay zekâ yalnızca hafif bir ton düzeltmesi mi yapmıştı, yoksa mesajın tamamını mı yazmıştı? Gönderen yapay zekânın yardım ettiğini söylüyor muydu? Yapay zekâ mesaja ne kadar çok el koyduysa, mesaj tutarlı biçimde o kadar az gönderenin kendi sözü gibi geldi ve o kadar az sahici bulundu; daha net ya da daha cilalı olmak da bunu telafi etmedi. Çarpıcı sonuç özürlerle ilgiliydi. Gönderen hafifçe düzeltilmiş bir özür için “tonu için yapay zekâdan yardım aldım” dediğinde okuyucular onu daha sahici buldu ve daha bağışlayıcı oldu. Gönderen aynı şeyi tamamen yapay zekânın yazdığı bir özür için söylediğinde hem sahicilik hem bağışlama düştü. Gönderenin kendine has alışkanlıklarını daha çok taşıyan mesajlar, her koşulda sahicilikte daha yüksek puan aldı (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

2025 tarihli ikinci bir çalışma bunun nedeninin bir kısmını açıklıyor. 399 kişi yapay zekâ destekli diye etiketlenmiş mesajlar okuduğunda etiket göndereni kötü göstermedi, ama mesajın kanıt değerini ortadan kaldırdı. Yardımsız yazılmış bir özür sıcak okundu. Yardımsız yazılmış suçlayıcı bir mesaj soğuk okundu. Yapay zekâ etiketini ekleyince ikisi de nötre doğru kaydı, sanki mesaj kişi hakkında hiçbir şey söylemiyormuş gibi (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

Yapay zekâ kullandığını söylemenin de kendi bedeli var. Önceden tescillenmiş 13 deneyde, not vermekten tasarım işine kadar farklı ortamlarda, yapay zekâ kullandığını söyleyen insanlara kullanmayanlardan daha az güvenildi (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. Gerçi bir yabancıyla oynanan güven oyunu gibi duygusal açıdan nötr, tek seferlik durumlarda yapay zekâ yardımı, açıklansın ya da açıklanmasın güveni neredeyse hiç etkilemedi (Writing with AI boosts trust-building efficiency)⁹.

Birlikte okununca örüntü tutarlı. Mesaj ne kadar kişiselse, baştan sona bir yeniden yazım sana o kadar pahalıya patlıyor, kendi sözlerine hafif bir dokunuş da o kadar yardım edebiliyor. Özür araştırması ise ayrı bir yazıyı hak ediyordu, onu da mesajla nasıl özür dilenir? yazısında anlattım.

Bu düzleşmeden bazı insanlar daha çok etkileniyor

İkinci bir dilde yazıyorsan ya da mesajlaşırken diller arasında gidip geliyorsan, bunu zaten hissetmişsindir.

2025 tarihli bir deneyde Hindistan ve ABD’den 118 kişi kendi hayatları hakkında kısa yazılar yazdı, yarısından biraz fazlası yapay zekâ destekli otomatik tamamlama açıkken. Öneriler açıkken Hintli yazarlar Amerikalı grubun kalıplarına doğru kaydı ve kendi yemeklerini ve bayramlarını Batılı bir bakış açısıyla anlatmaya başladı (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

Bu tek bir çalışma, İngilizce yapıldı ve her dil adına konuşamaz. Ama mekanizmayı görmek kolay. Bir modelin metninde “düzeltmeye” en yatkın olduğu şeyler, yani ödünç alınmış kelime, ana dilinden gelen ifade, ancak Türkçe ya da İspanyolca söylenince anlamlı olan kısım için Türkçeye ya da İspanyolcaya geçiş, seni en çok sen yapan şeyler.

Bir uygulama nasıl yazdığını öğrenebilir mi?

Kısmen. Bundan fazlasını söyleyen herkese, ben de dahil, şüpheyle yaklaşmalısın.

Şimdiye kadarki en kapsamlı test, OpenAI, Google, Meta ve DeepSeek’in önde gelen modellerine 400’den fazla kişiden gerçek yazı örnekleri verdi ve her kişinin üslubunda yeni metin yazmalarını istedi. Örnekler çok işe yaradı. E-posta gibi yapılandırılmış yazılarda bir yazar tespit aracı taklidi, vakaların %95’inden fazlasında gerçek kişinin yazısı olarak kabul etti. Blog yazıları gibi gündelik yazılarda ise vakaların yalnızca %17 ile %21’inde kandırıldı, daha fazla örnek eklemek bunu neredeyse hiç değiştirmedi ve çıktı genel geçer bir tona geri kaydı (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. Nisan 2026 tarihli, hâlâ ön baskı aşamasındaki ayrı bir karşılaştırma testi, dört kişiselleştirme yöntemini gerçek insanların kendilerine ne kadar benzediğine göre puanladı. Her yöntem, iki farklı insanın birbirine benzediği seviyenin altında kaldı (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

Yani hiçbir araç, tıpatıp senin gibi duracağına dair tutabileceği bir söz veremez. Bir aracın yapabileceği şey daha dar ve daha işe yarar. Olabildiğince az değiştirebilir, sözlerini atıp yenilerini yazmak yerine onlardan yola çıkabilir, neyi değiştirdiğini gösterebilir ve kararı sana bırakabilir.

Subtext’i böyle kurduk. Subtext yazışmayı ve taslağını okur, bir şeyi yeniden yazmadan önce de mesajın muhtemelen nasıl karşılanacağını ve bunu senin hangi kelimelerinin yaptığını söyler. Sonra üç versiyon sunar. İlki yazdığına yakın durur, sonuncusu daha kapsamlı bir yeniden yazımdır, her biri de senin ifadelerinden ne kadarını değiştirdiğini söyler, böylece küçük bir rötuşa mı yoksa baştan yazılmış bir metne mi baktığını bir bakışta görürsün. Herhangi birini Daha sıcak ya da Daha kısa ile ayarlayabilir ya da kopyalamadan önce Elle düzenle’yi açıp bir kelimeyi kendin değiştirebilirsin. Varsayılan hafif dokunuş, çünkü araştırmaya göre okuyan kişiyle karşılaştığında ayakta kalan o. Subtext'i tarayıcıda dene

Hangi aracı kullanırsan kullan sesini nasıl korursun

Bunlar ChatGPT dahil her uygulamada işe yarar.

En küçük işi iste. “Yalnızca dilbilgisi ve yazım hatalarını düzelt” demek, “bunu iyileştir” demekten çok farklı bir sonuç verir.
Neyin kalacağını açıkça söyle. Kısaltmaların, “ben” demen, emojilerin, küfürlerin, yarım cümlelerin. Modeller ekleyecekleri şeyden geri durmayı, normalde çıkaracakları şeyi korumaktan daha iyi beceriyor, o yüzden adını koy.
Bir yeniden yazımı okumadan asla bütünüyle kabul etme. Taslağınla satır satır karşılaştır ve yalnızca hâlâ sen olan satırları al.
Duygusal bir şey için kendi taslağını temel al. Romantik iletişim çalışmasında yapay zekânın tonunu hafifçe düzelttiği bir özür, tamamını yapay zekânın yazdığı bir özürden daha iyi karşılandı.
Göndermeden önce sesli oku. Bunu yüzüne o kelimelerle söylemeyeceksen gönderme.

Aynı kontrolün senin için yapılmasını istersen, bir yapay zekâ mesaj kontrolcüsünün neyi kontrol edebileceğini ve bunu kendin nasıl yapacağını anlatan yazı bunu adım adım gösteriyor; piyasadaki yapay zekâ mesaj yeniden yazma araçlarını da yeniden yazmadan önce teşhis koyup koymadıklarına göre karşılaştırdım.

Sık sorulan sorular

Mesajı robot yazmış gibi göstermeden yeniden yazan en iyi uygulama hangisi? En az değiştiren ve ne kadar değiştirdiğini söyleyen. Yukarıdaki kanıtlara göre cümlelerinin yerine yenilerini koyan bir araç, pazarlaması ne derse desin sesini düzleştirir. O yüzden taslağına yakın kalan bir versiyona, her versiyonun ne kadar uzaklaştığını gösteren bir etikete ve reddedebileceğin bir yeniden yazıma bak. Subtext’i böyle kurduk, yukarıdaki kontrol listesi de her uygulamada işe yarar.

Mesajlarımı o yapay zekâ ağzıyla değil de kendi sesimle yeniden yazan bir uygulama var mı? Kısmen. Şu anki hiçbir yöntem gerçek bir insanın kendisiyle ne kadar tutarlı olduğuna yetişemiyor, o yüzden “kendi sesinle” ifadesini güvenilecek bir özellik olarak değil, test edilecek bir iddia olarak gör. Pratikteki karşılığı, taslağından yola çıkan, kısaltmalarını, yumuşatıcılarını ve emojilerini koruyan ve her versiyonun senin ifadelerinden ne kadar uzaklaştığını gösteren bir araç. Ben olsam bunu arardım, Subtext de bunu yapıyor.

Mesajımı yeniden yazan ama yine de bana benzeyen bir uygulama var mı? Ben “çoğundan daha yakın, ama asla tıpatıp değil” derdim. Yukarıdaki araştırma, şu anki her yöntemin gerçek bir insanın kendisiyle tutarlılığının gerisinde kaldığını söylüyor, yani senden ayırt edilemeyecek bir yeniden yazım vaat eden her uygulama fazlasını vaat ediyor. Elde edebileceğin şey, cümlelerinden yola çıkan, sesini taşıyan alışkanlıkları koruyan ve ne kadar uzaklaştığını söyleyen bir yeniden yazım. Subtext böyle çalışıyor, ilk versiyonu da bilerek yazdığına en yakın olan.

Kendi sesimi kaybetmeden mesajlarımı nasıl daha sıcak gösterebilirim? Sıcak bir yeniden yazım istemek yerine sıcaklığı kendi sözlerinle ekle. Sesini silen şey baştan sona yeniden yazımdır. Kişiye ya da o ana dair somut bir şey söyle, etrafında her zamanki ifadelerini koru, bir araç kullanıyorsan da bütün mesajı değil, yalnızca soğuk okunan satırı değiştirmesini iste.

ChatGPT mesajlarımı neden bu kadar resmi gösteriyor? Çünkü akıcı, ortalama metin üretmek üzere eğitildi ve ortalama İngilizce, herkesin mesajlaşırken yazdığından daha resmi. Yeniden yazımlar, kimse resmiyet istemese bile metni daha uzun kelimelere, açılmış kısa biçimlere ve daha az birinci şahıs zamirine doğru itiyor. Gündelik bir ton istiyorsan bunu açıkça istemen, dokunulmasını istemediğin şeyleri de tek tek sayman gerekiyor.

Mesajı yapay zekâyla yazdığımı karşımdakine söylemeli miyim? Yapay zekânın ne kadarını yaptığına bağlı. Romantik iletişim çalışmasında bir özürdeki hafif ton düzeltmesini itiraf etmek özrün daha iyi karşılanmasını sağladı. Tamamını yapay zekânın yazdığını itiraf etmek ise daha kötü karşılanmasına yol açtı. Sözler seninse ve yapay zekâ onları toparladıysa bunu söylemek sorun değil, hatta işe yarayabilir. Yapay zekâ yazdıysa doğru hamle, önce onu kendin yeniden yazmak.

Almanca, Türkçe ya da İspanyolca mesajlaşırken de durum aynı mı? Araştırmanın çoğu İngilizce, o yüzden kesin bir şey söyleyemem. Kültürler arası tek çalışma, yapay zekâ önerilerinin yazarları Amerikan kalıplarına doğru çektiğini buldu. Başka bir dilde yazıyorsan ya da diller arasında geçiş yapıyorsan, en güvenli alışkanlık araca hangi kelimelere ve ifadelere dokunulmayacağını açıkça söylemek.

Kaynaklar

Yukarıdaki her bağlantı birincil kaynağa gidiyor ve göründükleri sıraya göre numaralandırıldı. Ön baskılar ayrıca belirtildi; bulgularını hakem değerlendirmesinden geçene kadar geçici say.

Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. ve Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
Fitterer, S., Gangl, D. ve Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
Padmakumar, V. ve He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
Zhu, J. ve Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
Fan, G., Liu, D. ve Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
Khadpe, P., Wenzel, K., Loewenstein, G. ve Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
Schilke, O. ve Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. ve Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
Agarwal, D., Naaman, M. ve Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
Wang, Z., Tripto, N. I., Park, S., Li, Z. ve Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460, ICML 2026 CTB çalıştayına kabul edildi.