Son tartışmanız gerçekte ne hakkındaydı?

Dikkatle düşünürseniz, çatışmaların büyük çoğunluğu kötü niyetten değil farklı yorumlardan kaynaklanır — aynı kelimeler, iki ayrı zihinde bambaşka anlamlara dönüşür. Psikolog George Kelly bunu onlarca yıl önce fark etmişti: insanlar gerçekliği pasif biçimde almaz, tüm yaşam tarihleriyle şekillenmiş kişisel mercekler aracılığıyla etkin olarak inşa eder (Kelly, 1955). Aynı olayı bizzat yaşayan iki kişi, yaşananlar hakkında birbirinden tamamen farklı hikayelerle oradan ayrılabilir.

Kelly’nin çerçevesinde bu bir hata değildir. İnsan bilişinin temel mimarisinin ta kendisidir. Ve bize göre iletişimdeki en çok göz ardı edilen sorundur.

Sorun Sinyalde Değil

İki insan konuştuğunda, aynı dili konuştuklarını varsayarlar. Teknik açıdan haklıdırlar. Ama her birey anlamı kendi tarihi, kendi duygusal kalıpları ve kendi bağlamı üzerinden çözer.

Sinyal aynıdır. Kod çözücü farklıdır.

Buna kodek sorunu (codec problem) diyoruz. Bilgisayar biliminde kodek, veri akışlarını kodlar ve çözer. Kodlayıcınız ile benim kod çözücüm uyuşmuyorsa, mesaj bozuk ulaşır — kimse hata yapmadığı halde, çünkü sistemler birbiriyle uyumsuz.

Bunun psikolojik kanıtları çarpıcıdır. Sosyal psikolojinin en sağlam bulgularından biri olan yorumlama düzeyi kuramı (construal level theory), insanların özdeş bilgiyi konuya olan psikolojik mesafelerine bağlı olarak farklı soyutlama düzeylerinde işlediğini göstermektedir (Trope & Liberman, 2010). Bir konuya duygusal olarak yakın hissediyorsanız onu somut biçimde işlersiniz — özgül kelimelere, tona, ifade biçimine dikkat edersiniz. Psikolojik mesafeniz fazlaysa soyut düzeyde işlersiniz — özün ne olduğuna dair varsayımlarınıza odaklanırsınız. Aynı cümle, farklı yorumlama düzeylerinden geçerek iki ayrı zihinde gerçek anlamda farklı anlamlara ulaşır.

Ve işler daha da karmaşık hale gelir. “Bilgi laneti” (curse of knowledge) üzerine yapılan araştırmalar, bir şeyi öğrendikten sonra onu bilmemenin nasıl bir şey olduğunu doğru biçimde simüle edemediğimizi ortaya koymaktadır (Keysar et al., 2003). Dinleyicinin alt metninizi, referanslarınızı, duygusal yükünüzü anladığını varsayarsınız — çünkü bu anlamlar sizin için son derece açıktır. Epley ve meslektaşları, perspektif almanın (perspective-taking) doğal bir varsayılan tepki olmadığını, benmerkezci bir çapadan (egocentric anchor) yapılan çabalı bir ayarlama olduğunu; üstelik insanların tutarlı biçimde yetersiz ayarlama yaptığını göstermiştir (Epley et al., 2004). Kendi kodekimizden başlayıp sizinkini hayal etmeye çalışırız, ama çoğu zaman yeterince ileri gidemeyiz.

Bu Nasıl Ortaya Çıkıyor

Basit bir cümleyi ele alalım: “Biraz alana ihtiyacım var.”

  • A kişisi duyar: “Ayrılmak istiyorum.”
  • B kişisi duyar: “Birkaç saatliğine yalnız kalmam gerekiyor.”
  • C kişisi duyar: “Beni boğuyorsun.”

Aynı kelimeler. Üç tamamen farklı alınan mesaj. Her biri kendi kodekinden geçirerek çözdü — bağlanma stili (attachment style), geçmiş ilişkiler, kültürel normlar ve o andaki duygusal durum tarafından şekillendirilmiş kodek.

Bu bir düşünce deneyi değil. Bağlanma araştırmaları bunu ampirik olarak doğrular. Kaygılı bağlanma (anxious attachment) stiline sahip bireyler, olası ret ipuçlarına karşı aşırı uyanıklık (hypervigilance) sergiler; partnerin tarafsız davranışlarını bile sistematik olarak terk edilme işareti olarak yorumlar (Mikulincer & Shaver, 2007). Yakın tarihli bir çalışma, kaygılı bağlanan bireylerin belirsiz mesajları tehditkâr olarak yanlış okuma oranının güvenli bağlanan bireylerinkinden anlamlı düzeyde yüksek olduğunu bulmuştur — mesaj tehditkâr olduğu için değil, kodekleri tehdidi tespit edecek biçimde ayarlandığı için (Vanderbilt et al., 2025).

Öte yandan kaçıngan bağlanan (avoidantly attached) bireyler zıt bir bozulmaya eğilimlidir: duygusal çağrıları (emotional bids) eksik okurlar, göndericinin çok önemli saydığı bağlantı sinyallerini görmezden gelirler. Mesaj belirsiz değildi. Kod çözücüler yalnızca farklı özelliklere ağırlık verdi.

Kültürel kodekler bir katman daha ekler. Agarwal’ın (2025) yapay zeka destekli nezaket stratejileri üzerine yürüttüğü araştırma, anadili İngilizce olan ve olmayan konuşucuların nezaket işaretçilerini temelden farklı biçimlerde çözdüğünü ortaya koymuştur — bir kültürel kodekte sıcak olarak tasarlanmış bir ifade, başka bir kodekte resmi hatta soğuk olarak algılanabilmektedir.

SocialVeil adlı yakın tarihli hesaplamalı bir çalışma bu sorunu doğrudan sayısal olarak ölçmüştür: bilişsel farklılıklardan kaynaklanan iletişim engelleri — anlambilimsel belirsizlik (semantic vagueness), sosyokültürel uyumsuzluk ve duygusal parazit — konuşmalara dahil edildiğinde karşılıklı anlayış ortalama yüzde 45’in üzerinde düşmüştür (Xuan et al., 2026). Konuşmacılar değişmediği halde. Çünkü kodekler arasındaki engeller görünür hale geldi.

Yapay Zekanın Buradaki Rolü

Yapay zekanın duygusal yükü yoktur. Travma üzerinden çözümlemez. Bu, onu insanlar arasında eşsiz bir çeviri katmanı olarak konumlandırır.

İnsan bağlantısının yerini almak için değil — görünmezi görünür yapmak için. Kelimelerinizin bir başkasının kodekinden nasıl duyulabileceğini size göstermek için.

“Biz iletişimi düzeltmek için burada değiliz. Herkesin farklı bir kodeki olduğunu göstermek için buradayız.”

Bu spekülatif bir fikir değil. Hancock, Naaman ve Levy (2020) tarafından resmi olarak tanımlanan yapay zeka aracılı iletişim (AI-Mediated Communication, AI-MC) alanı, “bir yapay zeka ajanının iletişim hedeflerine ulaşmak amacıyla mesajları değiştirdiği, zenginleştirdiği veya ürettiği” kişilerarası iletişimi tanımlar. Stanford Sosyal Medya Laboratuvarı’nın bu alandaki araştırma gündemi, DeepConvos’un faaliyet gösterdiği bölgeyi tam olarak haritalandırır — ancak felsefede kritik bir farklılıkla.

AI-MC araştırmalarının büyük bölümü yapay zekayı tek taraflı bir müdahale olarak inceler: yapay zeka sizin mesajınızı karşı taraf görmeden önce yeniden yazar. DeepConvos temelden farklı bir şey önerir — her iki tarafın da kendi kodeklerini anlayan bir yapay zeka ajanına sahip olduğu, bu iki ajanın zihinsel modeller arasında çeviri yapmak için bir “el sıkışma” gerçekleştirdiği iki taraflı bir mimari (bilateral architecture). Tek yönlü düzenleme değil, çift yönlü anlayış.

Bilimsel Temeller

Yapay zekanın bir kodek çevirmeni olarak işlev görebileceğine dair ampirik kanıtlar hızla büyümektedir:

Duygusal ton tespiti. Hohenstein ve meslektaşları (2023) algoritmik yanıt önerilerini (akıllı yanıtlar, smart replies) inceleyen iki randomize deney yürütmüş ve yapay zeka destekli iletişimin olumlu duygusal dil kullanımını artırdığını, konuşma partnerlerinin birbirini daha yakın ve daha işbirlikçi olarak değerlendirmesine yol açtığını bulmuştur. Yapay zeka yalnızca kelimeleri değiştirmedi — tüm etkileşimin duygusal dokusunu dönüştürdü.

Yapay zeka sistemlerinde perspektif alma. Wilf ve meslektaşları (2023), büyük dil modellerinin başka birinin perspektifini almaya açıkça yönlendirildiğinde zihin teorisi (Theory of Mind) kapasitelerini anlamlı ölçüde iyileştirdiğini göstermiştir — bu tekniğe SimToM adını vermişlerdir. Bulgular, model her tarafın neyi bileceğini ve hissedeceğini bağlamdan filtrelediğinde temel çizgiye kıyasla önemli iyileşme sağlandığını ortaya koymuştur. DeepConvos’un Pigeon ajanlarının yaptığı tam olarak budur: her kullanıcının perspektifini modelleyip aralarında çeviri yaparlar.

İhtiyaç odaklı tasarım. Wolfe ve meslektaşları (2025), yüzey ölçütlerini optimize etmek yerine kullanıcıların psikolojik ihtiyaçlarını ön plana çıkaran insan merkezli bir AI-MC çerçevesi birlikte tasarlamıştır. AIES’te yayımlanan bu çerçeve, DeepConvos’un bir mesajın yüzeyini parlatmak yerine niyetini koruma taahhüdüyle yakından örtüşmektedir.

Güven paradoksu. Bununla birlikte bir komplikasyon söz konusudur. Jakesch ve meslektaşları (2019), “çoğaltma etkisi” (Replicant Effect) olarak belgeledikleri bulguyla şunu ortaya koymuştur: insanlar bir mesajın hazırlanmasında yapay zekanın rol oynadığını öğrendiklerinde, mesaj kalitesi nesnel olarak daha iyi olsa bile ona daha az güvenirler. Bu bulgu gerçek ve önemlidir. DeepConvos bunu karşılıklı rıza yoluyla ele alır: her iki taraf da sistemi bilir ve kullanmayı seçer. Her iki taraf da onay verdiğinde, çoğaltma etkisini besleyen asimetri — bir kişinin gizlice yapay zeka kullanması — ortadan kalkar.

Homojenleşme riski. Sourati ve meslektaşları (2025), büyük dil modellerinin insan ifadesini homojenleştirebileceğini (homogenization), bireysel ses özgünlüğünü azaltabileceğini bulmuştur. Bu, her AI-MC sistemi için meşru bir endişedir. DeepConvos bunu tasarım aşamasında azaltır: sistemin İletişim Stilleri Envanteri (Communication Styles Inventory, CSI) her kullanıcının özgün iletişim stilini profillemekte, çeviri ise bireysel sesi genel bir “yapay zeka sesine” düzlemek yerine korumaktadır.

Bu Neden Önemli: Dört Mod

Kodek sorunu salt entelektüel bir gözlem değildir — doğrudan DeepConvos’un dört katılım moduna karşılık gelir:

Zihin Teorisi burada birincil moddur. Başkalarının farklı kodekleri olduğunu anlamak zihin teorisinin ta kendisidir: bir başkasının inançlarının, duygularının ve yorumlayıcı çerçevelerinin sizinkinden farklı olduğunun farkına varılması. Sistem her seferinde kelimelerinizin bir başkası için nasıl yankılanabileceğini gösterdiğinde, zihinselleştirme (mentalizing) kapasitenizi hem kullanıyor hem de geliştiriyor.

Sokratik Sorgulama, sistem sizi kendi varsayımlarınızı incelemeye davet ettiğinde devreye girer. “Son tartışmanız gerçekte ne hakkındaydı?” sorusunun kendisi zaten Sokratik bir hamledir. Sistem kodekler arasında çeviri yapmadan önce size kendi kodekinizi açıkça gösterir — farkında olmadan yaptığınız varsayımları gün yüzüne çıkarır.

Farkındalık ise meta katmandır: başlı başına bir kodeke sahip olduğunuzun bilincine varma. Pek çok insan yaşamı boyunca kendi yorumunun mesajın ta kendisi olduğunu varsayarak ilerler. “Ben onların söylediğini duymuyorum — kodekimin ürettiğini duyuyorum” farkındalığı öz farkındalıkta derin bir kırılma noktasıdır.

Sırada Ne Var

Bu, DeepConvos’un arkasındaki fikirleri keşfeden bir dizinin ilk yazısıdır. Sonraki yazılarda şunları ele alacağız:

  • Bağlanma stillerinin farklı kodekler nasıl oluşturduğu — kaygılı, kaçıngan ve güvenli bireylerin neden temelden farklı mesajlar duyduğunun nörobilimi ve psikolojisi
  • Mesaj çözmede kültürel bağlamın rolü — nezaketin, doğrudanlığın ve duygusal ifadenin kültürler arasında neden farklı çevrildiği (ve yapay zekanın bu konuda neler yapabileceği)
  • Bugün kullanabileceğiniz pratik AI-MC teknikleri — kendinizi daha iyi bir “kodek çevirmeni” haline getirmek için en güncel araştırmalardan türetilmiş somut stratejiler

İletişim üzerine konuşma daha yeni başlıyor.

Kaynakça

Agarwal, A. (2025). Exploring how AI-suggested politeness strategies influence email writing and social perception among native and non-native speakers. University of Waterloo. https://uwspace.uwaterloo.ca/bitstreams/586d99e6-dcde-4316-af32-b45dfd97ce75/download

Epley, N., Keysar, B., Van Boven, L., & Gilovich, T. (2004). Perspective taking as egocentric anchoring and adjustment. Journal of Personality and Social Psychology, 87(3), 327–339. https://doi.org/10.1037/0022-3514.87.3.327

Hancock, J. T., Naaman, M., & Levy, K. (2020). AI-Mediated Communication: Definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, 25(1), 89–100. https://doi.org/10.1093/jcmc/zmz022

Hohenstein, J., Kizilcec, R. F., DiFranzo, D., Aghajari, Z., Mieczkowski, H., Levy, K., Naaman, M., Hancock, J., & Jung, M. F. (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. https://doi.org/10.1038/s41598-023-30938-9

Jakesch, M., French, M., Ma, X., Hancock, J. T., & Naaman, M. (2019). AI-Mediated Communication: How the perception that profile text was written by AI affects trustworthiness. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3290605.3300469

Kelly, G. A. (1955). The psychology of personal constructs. Norton.

Keysar, B., Lin, S., & Barr, D. J. (2003). Limits on theory of mind use in adults. Cognition, 89(1), 25–41. https://doi.org/10.1016/S0010-0277(03)00064-7

Mikulincer, M., & Shaver, P. R. (2007). Attachment in adulthood: Structure, dynamics, and change. Guilford Press.

Sourati, Z., Ziabari, A. S., & Dehghani, M. (2025). The homogenizing effect of large language models on human expression and thought. arXiv preprint. https://arxiv.org/abs/2508.01491

Trope, Y., & Liberman, N. (2010). Construal-level theory of psychological distance. Psychological Review, 117(2), 440–463. https://doi.org/10.1037/a0018963

Vanderbilt, R. R., Brinberg, M., & Lu, Y. (2025). The impact of attachment style on communication frequency and language use in romantic partners’ text messages. Journal of Language and Social Psychology. https://doi.org/10.1177/0261927X251344949

Wilf, A., Lee, S. S., Liang, P. P., & Morency, L.-P. (2023). Think twice: Perspective-taking improves large language models’ theory-of-mind capabilities. arXiv preprint. https://arxiv.org/abs/2311.10227

Wolfe, R., Dangol, A., Kim, J., & Hiniker, A. (2025). Toward needs-conscious design: Co-designing a human-centered framework for AI-mediated communication. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (AIES). https://doi.org/10.1609/aies.v8i3.36751

Xuan, K., Wang, P., Ye, C., Yu, H., August, T., & You, J. (2026). SocialVeil: Probing social intelligence of language agents under communication barriers. arXiv preprint. https://arxiv.org/abs/2602.05115