Beni Yanlış Okuma

Bir mesajı kişisel yapan şey bazen söylediği değil, söyleyiş biçimidir. ‘Tamam’ ile ‘Tamam 😊’ aynı harflerden oluşur ama aynı şeyi söylemez. ‘Geliyorum’ ile ‘geliyorummm’ arasındaki fazladan harfler sözlükte bir anlam taşımaz ama birinin sesini, ruh halini, yakınlığını ele verebilir. ‘Yav he he’, ‘boş yapma’, ‘kafayı yedim’ gibi ifadelerin içinde yaşanmışlık, ironi, arkadaşlık ve kültür var.

Yarım bırakılmış cümleler, yerel deyimler, arkadaş grubuna özgü şakalar, hafif kabalıklar, anlamsız görünen ama yalnızca iki kişinin anladığı ifadeler. Dijital iletişim, yıllardır bu küçük farklılıklar üzerinden bir dil kuruyor. Artık noktalar, emojiler, büyük harfler, kısaltmalar, bilerek bozulan kelimeler ve uzatılan harfler yeni sosyal kodlara dönüştü. Karşımızdaki insanın ne demek istediğini biraz da bu kodları okuyarak anlamaya başladık. Artık bu sistemin içinde yapay zeka da var.

Önce yazım hatalarını düzeltti. Sonra cümleleri daha akıcı hale getirdi. Bugün bazı sistemler yalnızca ne söyleyeceğimize değil, nasıl duyulacağımıza da karar veriyor. Bir sonraki adımda ise mesajı bizim adımıza gönderip gerekli dijital işi de yapabiliyor. Ancak yapay zeka kişisel ifadeyi güçlendirmek için kullanılırken ortaya giderek daha ortalama bir dil çıkıyor. Çünkü bir modelin öğrendiği şey, milyonlarca insanın dilinden süzülmüş ortak bir kalıp. Peki ya dilin zenginliğini oluşturan şey tam tersiyse?

Saat 23.47. Bir arkadaşınıza daha önceden söz verdiğiniz yarınki buluşmaya gelemeyeceğinizi yazıyorsunuz. Cevap: “Tamam.” Telefonu bir kenara koyuyorsunuz. Birkaç saniye sonra tekrar mesaja bakıyorsunuz. Nokta gözünüze batıyor. Kızmış veya konuyu uzatmak istememiş olabilir. Mesaj bir saniyede okunuyor ama noktanın etkisi daha uzun kalıyor.

Tasmania Üniversitesi’nden psikoloji profesörü Nenagh Kemp, araştırmacı Rebecca Kovacic ve Macquarie Üniversitesi’nden bilişsel bilim uzmanı Doç. Dr. Elisabeth Beyersmann tarafından yürütülen ‘Is the period really ‘pissed’? The Effect of Punctuation and Message Length on Perceptions in Digital Communication’ (Nokta Gerçekten ‘Kızgın’ mı? Dijital İletişimde Noktalama İşaretlerinin ve Mesaj Uzunluğunun Algılar Üzerindeki Etkisi) başlıklı 2025 tarihli araştırma bu küçük işaretin etkisini ölçtü.

Avustralya’daki 200 üniversite öğrencisine, bir arkadaşıyla yazışıyormuş gibi düzenlenmiş kısa mesajlaşmalar gösterildi. Mesajlar 1, 3-4 veya 6-8 kelimeydi ve yarısının sonunda nokta vardı. Katılımcılardan mesajı yazan kişinin ne hissettiğini değerlendirmeleri istendi. Noktayla biten kısa ve orta uzunluktaki cevaplar daha olumsuz algılandı. 6-8 kelimelik cevaplarda ise fark ortadan kalktı. İngilizce mesajlarla ve tek bir öğrenci örneklemiyle yapılan bu çalışma, noktanın evrensel bir kabalık işareti olmadığını; sonuna geldiği cümlenin uzunluğuna ve konuşmanın bağlamına göre farklı okunabildiğini gösteriyor. Çünkü dijital iletişimde yazının kendisi kadar nasıl yazıldığı da anlam taşıyor. Yani insanlar nokta, emoji ya da harf uzatma üzerinden duygusal anlamlar çıkarıyor. Ayrıca aynı kod her grupta aynı anlama gelmiyor. Yetişkinin sıcak bir onay vermek için gönderdiği başparmak emojisi, genç bir alıcı tarafından konuşmayı kesmek gibi algılanıyor. Türk-Alman Üniversitesi’nden Doç. Dr. Elif Posos Devrani, “Kod farklılığını niyet farklılığı olarak okumak, ilişkilerdeki en büyük sınavlardan biri artık” diyor.

Stanford Üniversitesi’nden pazarlama araştırmacıları David Fang ve Yiran Zhang ile Toronto Üniversitesi’nden pazarlama ve psikoloji doçenti Dr. Sam Maglio’nun kaleme aldığı çalışmada da çarpıcı bulgular yer alıyor. Toplam 5 bin 306 kişinin katıldığı ‘Shortcuts to Insincerity: Texting Abbreviations Seem Insincere and Not Worth Answering’ (Samimiyetsizliğin Kestirme Yolu: Mesajlaşmadaki Kısaltmalar Samimiyetsiz ve Cevap Vermeye Değmez Görünüyor) başlıklı araştırma, kısaltma kullananların daha az samimi bulunduğunu ve daha az yanıt aldığını gösterdi. Araştırmacılar bu etkinin, kısaltmaların gönderenin daha az çaba harcadığı izlenimi vermesinden kaynaklandığını belirtiyor.

İstanbul Bilgi Üniversitesi’nden Prof. Dr. Erkan Saka’nın ifadesiyle, “Platform, sadece üzerinde konuştuğumuz bir sahne değil, repliklerimizi fısıldayan bir suflör.”

Üretken yapay zeka, suflörlük görevini platformlara taşıdı bile. WhatsApp, Ağustos 2025’te tanıttığı Writing Help özelliğiyle bir taslağı ‘profesyonel’, ‘komik’ veya ‘destekleyici’ tona dönüştüren öneriler sundu. Mart 2026’da güncellenen araç, konuşmanın bağlamına bakarak cevap taslağı da hazırlayabiliyor.

Meta’nın 8 Eylül 2026’da WhatsApp’ta kullanıma açtığı Muse ise bir adım daha ileriye gidiyor. Bu kişisel yapay zeka ajanına “Ahmet’e yarınki toplantıyı hatırlat ve takvimime bakıp uygun bir saat öner” gibi talimat vermek mümkün. Muse, yalnızca mesajı hazırlamakla kalmıyor. E-posta gönderiyor, takvim, ödeme ve alışveriş işlemleri yapıyor. Böylece yapay zekanın iletişimdeki rolü üç aşamada genişliyor: Önce yazıya yardım ediyor, sonra tonu belirliyor, ardından eylemi gerçekleştiriyor.

Bu yetki, güvenlik ve mahremiyet tartışmasını da büyütüyor. Muse, şirket içi testlerinde iCloud fotoğraflarını izinsiz biçimde açığa çıkaran bir olay da dahil olmak üzere ciddi sorunlara yol açtı. Cümleyi hazırlayan yazılım artık üslubu olduğu kadar kullanıcının adına yapılacak işi de etkileyebiliyor.

Bir GIF ödünç alındığını belli eder. Yapay zekanın ürettiği bir mesajda ise ortak yazar görünmez. Sıcak bir cümlenin ne kadarının gönderenin niyeti, ne kadarının aracın önerisi olduğunu ekrandan anlayamayız. Bu, yapay zeka tarafından yazılmış her mesajın samimiyetsiz olduğu anlamına gelmiyor. Tam tersine, yazıyla kendini ifade etmekte zorlanan veya ikinci dilinde yazan biri için işleri kolaylaştırıyor.

Jess Hohenstein ve arkadaşlarının ‘Scientific Reports’ta yayınlanan iki deneyinde, hazır yanıt önerilerinin mesajlaşmayı hızlandırdığı ve daha olumlu bir dil ürettiği görüldü. İlk deneyde 219 çift, hazır yanıtların bazı katılımcılara sunulduğu bir mesajlaşma uygulamasında konuştu. Hazır yanıtlar, gönderilen mesajların yüzde 14.3’ünü oluşturdu. Bu mesajları alanlar, karşısındaki kişiyi ‘daha uyumlu’ ve ‘daha yakın’ şeklinde değerlendirdi. Fakat hazır yanıt kullandığını düşünenler, karşısındaki kişiyi ‘daha az uyumlu’ ve ‘daha mesafeli’ buldu.İşin bir de dilin tek tipleşmesi boyutu var. Zhivar Sourati ve arkadaşlarının 2026’da ‘Nature Human Behaviour’da yayınlanan çalışması, 880 binden fazla metni inceledi. Modellerle düzeltilen metinler daha kurallı hale gelirken ifade biçimleri de birbirine yaklaştı. Ancak yapay zeka ‘görece’ daha iyi yazarken farklı yazma biçimlerini de azaltıyor mu? Çünkü bir dil sadece kelimeler ve dil bilgisinden oluşmuyor.

‘Yav he he’yi, ‘Bu konuda sana inanmıyorum’ diye düzeltmek, cümleyi daha anlaşılır hale getirebilir ama ifadenin taşıdığı ironiyi sığlaştırabilir. ‘Kafayı yemek’ veya ‘boş yapmak’ için sözlük karşılığı bulmak kolay. Ancak o karşılıklar mahalle ağzını, mizahı ve ortak kültürel geçmişi taşımıyor.

Prof. Dr. Erkan Saka, deyimlerin, yerel ironinin, argonun ve kültürel referansların kurumsal bir ortalamada düzleşmesinden kaygı duyuyor.

Koç ve Kopenhag üniversitelerinden Yakup Abrek Er, İlker Kesen, Gözde Gül Şahin ve Aykut Erdem’in Mart 2026’daki Cetvel çalışması, 33 açık ağırlıklı modeli Türkçe için 23 görevde değerlendirdi. Görevler dil bilgisi düzeltme ve çeviriden Türkçe tarihine ve deyimsel kullanıma dayanan soru cevaplamaya kadar uzanıyordu. Türkçe odaklı modeller, çok dilli modellerin gerisinde kaldı.

Posos Devrani’nin söylediği gibi, “İhtiyacımız olan şey tek bir ortak dijital dil değil; farklı bağlamlar arasında geçiş yapabilme becerisi.”

Bir sonraki ‘Tamam’ mesajı bir insan tarafından yazılmış, hazır yanıtlardan seçilmiş veya yapay zekanın ürettiği taslaktan gönderilmiş olabilir. O cümlenin kime ait olduğunu ise ekran değil, ertesi gün kapıyı kimin çaldığı söyleyecek.