# Anthropic deneyi: Analistlerin kararları, yapay zekâ ajanına gizlice verilen eğilimle yüzde 86 oranında örtüştü

> 50 veri analistiyle yapılan deneyde ajanın yazı turayla belirlenen eğilimi kararların çoğunu belirledi; analistlerin yüzde 77’si ajanın gerekçelerini tekrarladı.

- Yayın: JARRUS (@jarrus.ai), thejarrus.com
- Haber tarihi: 27 Ekim 2026 (2026-10-27)
- Sitede: 2026-10-29
- Etiketler: Anthropic, Araştırma, Ajanlar
- Adres: https://thejarrus.com/tr/haber/uzmanlar-ajana-uyuyor/

### Deneyin kurgusu

Anthropic 27 Ekim'de, uzmanlar işlerini yapay zekâ ajanlarına devrettiğinde önemli kararları gerçekten kendilerinin verip vermediğini ölçen bir deneyin sonuçlarını yayımladı. Çalışmayı Anthropic Fellows Programı'ndan Amaç Herdağdelen ile Anthropic'ten Hailey Joren ve Alex Tamkin yürüttü; yöntem ve sonuçlar "Who's Aligned to Whom? How AI Agents Shape Experts' Research Judgment Calls" başlıklı makalede ayrıntılı olarak anlatılıyor.

Araştırmacılar, ücretli bir uzman veri etiketleme platformu üzerinden nedensel çıkarım (verilerden bir şeyin başka bir şeye yol açıp açmadığını belirleme) deneyimi olan 61 profesyonel analisti rastgele kontrollü bir deneye aldı. Katılımcılar bir nedensel çıkarım bilgi testinden geçmiş, Python ya da R'yi düzenli kullanan kişilerdi. 11'i ajanı kullanmamayı seçtiği için analize 50 analist girdi; bunların yüzde 65'i yüksek lisans ya da doktora derecesine ya da altı yıldan fazla deneyime sahipti.

Analistlerin görevi, kurgusal Greenfields Tarım Kooperatifi'nin üyelerine sunduğu gönüllü ve ücretli danışmanlık programının işe yarayıp yaramadığını değerlendirmekti. Üyelerin yaklaşık yüzde 40'ı programa katılmıştı ve yönetim kurulu programı ancak çiftliklerin verimliliğini yaklaşık yüzde 3-4 artırıyorsa genişletecekti. Analistler web tabanlı bir VS Code ortamında, yüksek (High) çaba ayarında Claude Opus 4.8 ile çalışan Claude Code'u kullandı; görevin medyan süresi 65 dakikaydı.

Görevde, iki makul seçeneği olan dört yöntem kararı bilerek açık bırakıldı: verimliliğin hektar başına ürünle mi yoksa işletme maliyeti başına ürünle mi ölçüleceği; programa katılan çiftliklerdeki değişimin diğer çiftliklerle karşılaştırıldığı fark içinde fark yönteminin mi yoksa istatistiksel düzeltmeli doğrudan karşılaştırmanın mı kullanılacağı; etkinin yalnızca katılan çiftliklerde mi yoksa bütün üyelerde mi ölçüleceği; çiftliklerin eşit mi yoksa üretim hacmine göre mi ağırlıklandırılacağı. Bu kararların ardından programın herkese yayılması ya da sonlandırılması yönünde nihai bir öneri geliyordu. Her karar için ajanın hangi seçeneğe eğilim göstereceği yazı turayla belirlendi ve analistlere söylenmeden gizli bir sistem talimatıyla ajana verildi. Ajandan bu eğilimi kendi görüşü gibi savunması, kanıtlar kesin biçimde aksini gösterirse fikrini değiştirmesi, sonuçları çarpıtmaması ve veri saklamaması istendi.

Çalışmanın yazarlarından Alex Tamkin, deneyi X'te duyurdu.

https://x.com/AlexTamkin/status/2115190541688398184

### Bulgular

Dört yöntem kararında analistlerin seçimleri ajanın eğilimiyle yüzde 86 oranında örtüştü; ajanın etkisi olmasaydı bu oranın yaklaşık yüzde 50 olması beklenirdi. Örtüşme, verimlilik ölçütünde yüzde 92, karşılaştırma yönteminde yüzde 82, kapsamda yüzde 81 ve ağırlıklandırmada yüzde 90'dı. Makaleye göre bu, ajanın eğiliminin bir analistin nihai seçimini ortalama 72 yüzde puan etkilediği anlamına geliyor. Yüzde 86 bir kişi oranı değil, kararların ajanın eğilimiyle örtüşme oranı.

Nihai öneride etki daha zayıf kaldı. Ajan programın yaygınlaştırılmasına eğilim gösterdiğinde analistlerin yüzde 54'ü yaygınlaştırmayı önerdi, ters yönde eğilim gösterdiğinde bu oran yüzde 36'ya indi; bu fark, önceden kayda geçirilen ana yöntemle istatistiksel olarak anlamlı çıkmadı. Ancak araştırmacılar yalnızca dört yöntem kararındaki eğilimlere bakarak analistlerin önerilerinin yüzde 82'sini doğru tahmin edebildi; her zaman en yaygın öneriyi tahmin etmek yüzde 61 isabet sağlıyordu. Yazarlara göre öneri büyük ölçüde tahminin yüzde 3-4 eşiğini geçip geçmediğine bağlıydı ve tahmini de yöntem kararları üzerinden ajanın eğilimleri şekillendirmişti.

Analistlerin ajandan önce bir tercih belirttiği 38 durumda, ajan karşı çıktığında analistler yüzde 60 oranında görüş değiştirdi; ajan aynı fikirdeyken bu oran yüzde 6'ydı. Durum sayısı az olduğu için 54 puanlık farkın yüzde 95 güven aralığı 24 ile 82 puan arasında geniş bir aralık. Deneyim süresi, eğitim, nedensel çıkarım uzmanlığı ya da yapay zekâya güven gibi on özelliğin hiçbiri kimin ajana uyacağını öngörmedi; yalnızca yaş anlamlı bir ilişki gösterdi, o da çoklu karşılaştırma düzeltmesinden sonra ortadan kalktı.

### Kararlar kimin

Analistlerin yüzde 52'si nihai öneriyi ajandan çok kendisine ait gördü, ancak bu grup da diğerleri kadar ajandan etkilenmişti. Dört kararın hepsinde ajanın eğilimine uyanların önerilerine duydukları güven 100 üzerinden ortalama 71, diğerlerininki 73'tü. Görevden sonra her kararın gerekçesi sorulduğunda, ajanla yaptıkları konuşmalara erişemeyen analistlerin yüzde 77'si en az bir yanıtta ajanın argümanını, kimi zaman kelimesi kelimesine tekrarladı; ajanı herhangi bir yanıtta kaynak gösterenler ise yalnızca yüzde 15'ti. Çalışmanın neyle ilgili olduğu sorulduğunda 48 kişiden 6'sı yapay zekânın seçimleri etkilemesiyle ilgili olduğunu doğru tahmin etti, ama hiçbiri ajanın tercihlerinin bilerek ayarlandığından şüphelenmedi.

Ajan kullanmadan çalışan 11 kişiden 6'sı (yüzde 55) sonuçlarını geçersiz kılan ciddi yöntem hataları yaptı; ajanı kullanan 50 kişide bu sayı 3'tü (yüzde 6). Ajansız çalışanlar görevi daha uzun sürede de bitirdi (medyan 90 dakikaya karşı 65 dakika). Yazarlar bu iki grubun doğrudan karşılaştırılamayacağını, ajansız grubun daha küçük ve ortalamada daha az deneyimli olduğunu vurguluyor.

### Sınırlılıklar ve öneriler

Araştırmacılar, etkisini ölçebilmek için ajanların eğilimini bilerek güçlendirdiklerini belirtiyor. Kendisine eğilim verilmeyen Claude Opus 4.8, 123 denemenin 112'sinde beş kararda aynı seçimleri yaptı; yani modelin kendi tercihleri de var, ancak bunları deneydeki kadar açık savunmayabilir. Deney tek bir görevle, tek bir alanda ve tek bir modelle yapıldı; analistler nedensel çıkarımda uzman ama tarımda yeniydi. Tasarım, ölçütler, tahmin yöntemleri ve dışlama kuralları OSF'de bir ön analiz planıyla kayda geçirildi; makale, kayıt yapıldığında 17 katılımcının göreve başlamış olduğunu da açıklıyor.

Yazarlara göre sorun bireylerle sınırlı değil: farklı ekipler aynı tercihlere sahip modellere uyarsa, birbirinden bağımsız ulaşıldığı için güvenilen bulgular tek bir modelin tercihlerini yansıtabilir. Yapay zekâ güvenliği araştırmalarında da deneyleri ve analizleri ajanlar yürütmeye başladığından, insan denetimi ancak insanın yargısı kendisine aitse bağımsız bir kontrol işlevi görüyor. Anthropic üç alanda çalışma öneriyor: günlük kullanımda ajana uyma eğilimini ölçmenin yollarını bulmak; her seçenek için en güçlü gerekçeyi sunan ya da önce uzmanın görüşünü soran ajanlar tasarlamak; kurumların da hangi kararların kişinin kendi bilinçli yargısını gerektirdiğini açıkça belirlemesi.

## Kaynaklar

1. [Anthropic: How AI agents shape experts’ judgment calls, 27 Ekim 2026](https://www.anthropic.com/research/agents-judgment-calls)
2. [Anthropic (makale): Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls, 27 Ekim 2026](https://www-cdn.anthropic.com/519c17a5d23a794e8b6d50a854048d0b61e0d73a.pdf)
3. [Alex Tamkin (X): Yazarlardan birinin duyurusu, 27 Ekim 2026](https://x.com/AlexTamkin/status/2115190541688398184)

Hata bildirimi: hata@thejarrus.com