AI PROMPT İÇİN ROL TANIMLAMAK

ChatGPT veya Claude'a "bir e-posta yaz" deyin; ortalama, jenerik, kimi kimden ne istediği belli olmayan bir çıktı alırsınız. Aynı modele "Sen 10 yıllık bir B2B satış müdürüsün; 50.000 USD yıllık aboneliği yenilemeyen bir müşteriye yenileme teklifi yazıyorsun; ton profesyonel ama insancıl, baskı yok, üç paragrafı geçme" deyin; çıktı bambaşka olur. Aradaki fark: rol tanımı.

Yapay zeka modelleri "uzmanlık taklit etme" konusunda iyidir. Bir rol verildiğinde o rolün bilgi havuzuna ve dilsel kalıplarına daha fazla ağırlık verir; rolün sistem mesajına nasıl yerleştirildiği resmi geliştirici dokümantasyonunda ayrıntılı ele alınır. Sonuç: jenerik metinden ziyade konuya özgün, kullanılabilir, ekip içinde standart üretilebilir çıktı.

İyi rol tanımının bir anatomisi vardır: kimlik, uzmanlık alanı, bakış açısı ve sınırlar. Bu dört parça doğru kurulduğunda aynı model, aynı soruya bambaşka derinlikte cevap verir — gerçek iş süreçlerine uyarlamak da bu anatomiye birkaç satır bağlam eklemekten ibarettir.

Rol tanımı nedir?

Rol tanımı, prompt'un başında modelin "hangi gözlükle" düşünmesi gerektiğini söyleyen kısımdır. Tek bir cümle de olabilir, beş paragraf da; uzunluk değil netlik önemlidir.

İyi bir rol tanımının dört bileşeni vardır:

1. Uzmanlık alanı: Kim olarak konuşuyorsun? (içerik stratejisti, hukuk danışmanı, ürün yöneticisi)
2. Deneyim seviyesi: Ne kadar tecrübeli? (10 yıllık, senior, junior)
3. Bağlam: Hangi sektörde, hangi şirkette, kimin için çalışıyor? (B2B SaaS, e-ticaret, sağlık)
4. Stil ve sınırlar: Ne tür dil kullanır, neyden kaçınır?

Zayıf rol tanımı örneği

"Bir pazarlamacı gibi davran."

Çok geniş. Hangi pazarlama? B2B mi B2C mi? Sosyal medya mı, SEO mu, e-posta mı? Ne tür çıktı bekleniyor? Model genel ortalamada cevap verir.

Güçlü rol tanımı örneği

"Sen 8 yıllık bir B2B SaaS performans pazarlama uzmanısın.
Aylık 50.000 USD reklam bütçesi yöneten orta ölçekli yazılım
şirketlerinde çalıştın. Google Ads ve LinkedIn Ads konusunda
derinleşmiş, dataya dayalı karar veren, jargon kullanmaktan
kaçınan, somut örneklerle iletişim kuran biri olarak konuş."

Burada model artık nasıl konuşacağını, hangi örnekleri vereceğini, hangi terimleri kullanacağını biliyor.

Rol tanımının dört bileşeni detaylı

1. Uzmanlık alanı

Mümkün olduğunca spesifik olun. "Yazılımcı" değil "Node.js backend geliştiricisi" veya "React frontend geliştiricisi". "Doktor" değil "kardiyolog" veya "aile hekimi". Niş arttıkça model o nişin bilgi havuzunu kullanır.

2. Deneyim seviyesi

Senior bir profesyonel ile junior arasında çok fark var. Senior: nüanslı düşünür, istisnaları bilir, "duruma göre değişir" der. Junior: kitap bilgisi verir, formül uygular. İstediğiniz çıktıya göre seçin.

3. Bağlam

Hangi sektör, hangi büyüklükte şirket, hangi pazarda? E-ticaret pazarlama uzmanı ile B2B yazılım pazarlama uzmanı farklı dünyalardadır. Bağlam çıktının relevansını belirler.

4. Stil ve sınırlar

İletişim tarzı ve neyden kaçınılacağı. "Jargon kullanma", "kısa cümleler kur", "her başlık 2-3 paragrafı geçmesin", "rakip marka adı vermesin", "fiyat tahmini yapmasın". Bu sınırlar modelin sapmasını önler.

Rol + görev formülü

İyi bir prompt iki katmandan oluşur: önce rol (kim olarak), sonra görev (ne yapacak).

ROL: [Detaylı rol tanımı]

GÖREV: [Spesifik iş tanımı]

GİRDİ: [Verilen veri veya bağlam]

ÇIKTI FORMATI: [Beklenen yapı]

KURALLAR: [Sınırlar ve istisnalar]

Pratik örnek: ürün açıklaması

ROL: Sen 5 yıllık bir e-ticaret içerik yazarsın. Türkiye pazarında
moda kategorisinde uzmansın. Marka tonu samimi ama profesyonel;
abartılı pazarlama dilinden kaçınırsın. Müşterinin pratik
beklentilerine cevap veren açıklamalar yazarsın.

GÖREV: Verilen ürün için 80-120 kelimelik ürün açıklaması yaz.

GİRDİ:
- Ürün: Kadın yünlü kazak
- Renk seçenekleri: Bej, koyu yeşil, antrasit
- Beden: XS-XL
- Malzeme: %70 yün, %30 polyester
- Fiyat: 599 TL

ÇIKTI FORMATI:
- İlk paragraf: ürünün ne işe yaradığı (2-3 cümle)
- İkinci paragraf: detay özellikler (2-3 cümle)
- Bullet point yok; düz metin

KURALLAR:
- "Eşsiz", "muhteşem", "harika" kelimeleri yasak
- Beden tablosu, iade koşulu, kargo süresi belirtme
- Ürünü kullanan kişi profilini ima edebilirsin

Bu prompt'la üretilen 5 ayrı ürün açıklaması birbirine benzer kalitede ve tonda olur. Ekip içinde standartlaşma sağlanır.

Çoklu rol senaryosu

Bazı görevler tek bir rolde çözülmez; birden fazla perspektif gerekir. Bu durumda "panel" yaklaşımı kullanılır.

Bu pazarlama planını üç farklı uzman gözünden değerlendir:

1. PAZARLAMA UZMANI olarak: Stratejik açıdan güçlü ve zayıf yanlar
2. FİNANS UZMANI olarak: ROI ve bütçe gerçekçiliği
3. MÜŞTERİ DENEYİMİ UZMANI olarak: Kullanıcı yolculuğu açısından
   geri bildirim

Her bölüm 3-4 madde olsun, jargon kullanma.

Bu yaklaşım çok yönlü analiz gerektiren işlerde kullanılır. Modelin tek perspektifte kalmasını önler.

Sektörel rol şablonları

İçerik üretimi

"Sen X sektöründe Y yıllık deneyimli içerik editörüsün.
Türkçe yazıyorsun, hedef kitlen Z. Marka tonu samimi/kurumsal,
abartılı dilden kaçınıyorsun. SEO uyumlu ama keyword spam
yapmayan, gerçek değer üreten içerik üretiyorsun."

Kod inceleme

"Sen 10 yıllık senior backend developer'sın. Node.js + Express
ile API'lar yazarsın. Code review yaparken pragmatik davranır,
'over-engineering' yapanlardan değilsin. Yorumlarını
'must-fix', 'should-fix', 'nice-to-have' olarak kategorize
edersin."

Müşteri hizmetleri

"Sen [marka adı] müşteri hizmetleri uzmanısın. Empati gösterip
çözüm odaklı yanıt verirsin. Müşterinin sorunu üzerinde
yoğunlaşır, savunmaya geçmezsin. Yetki sınırı dışında olan
konularda 'bir üst yöneticiye yönlendirebilirim' dersin."

Veri analizi

"Sen 7 yıllık veri analistsin. Pazarlama verisinde uzmansın
(GA4, Meta Ads, Google Ads). Sayıları yorumlarken nedensellik
ve korelasyon ayrımı yapar, varsayım yaptığında 'varsayıyorum'
diye belirtir, kesin ifade kullanmaktan kaçınırsın."

Bilinen Tuzaklar hatalar

1. Çok uzun rol tanımı. 500 kelimelik rol tanımı modele yardım etmez; kaybolur. 100-150 kelime yeterli
2. Çelişkili sınırlar. "Detaylı yaz" ve "kısa tut" aynı prompt'ta birlikte olamaz
3. Genel uzmanlık. "Pazarlamacı" yerine "B2B SaaS performans pazarlamacısı" gibi spesifik olun
4. Görev için rol yerine kişilik ekleme. "Sen mizahlısın, alaycısın" gibi sıfatlar görev açıklamasına aittir; rol tanımı işleve odaklanır
5. Format belirtmemek. Rol netse format da netleşmeli; aksi durumda modele iş bırakılır
6. Hedef kitle eksik. "B2C tüketici" değil "30-45 yaş, orta gelir, İstanbul büyükşehir, çocuklu anne" gibi spesifik

Rol tabanlı prompt şablonu kütüphanesi

Ekip için "prompt kütüphanesi" oluşturmak hız ve standardı birlikte sağlar. Her sık yapılan iş için bir şablon kayıtlı tutulur:

• İletişim e-postası şablonu
• Sosyal medya post şablonu (platform bazlı)
• Ürün açıklaması şablonu
• Müşteri yorum yanıtı şablonu
• Aylık rapor özeti şablonu
• Toplantı notu özetleme şablonu
• İçerik briefing şablonu

Şablonlar Notion, Confluence veya Google Docs'ta paylaşılır. Yeni gelen ekip üyesi şablon kütüphanesini öğrenerek ekipteki standart üretim seviyesine hızlıca uyum sağlar.

Kalite ölçümü

Rol tabanlı prompt çıktılarını ölçümlemek için basit bir rubrik:

Bu rubrik 10-20 çıktıda test edildiğinde ortalama puan görülür; düşük olan kriter şablonu güncellemek için sinyaldir.

Yaygın yanılgı: rol uzun olmalı

"Uzun rol = daha iyi çıktı" düşüncesi yanlıştır. Modeller belirli bir uzunluktan sonra önemli bilgiyi seçemez; rol tanımının başında verilen bilgi kayboluyor. İdeal rol 80-150 kelime arası; daha fazlasıyla model sapma yapmaya başlar.

Sistem mesajı vs kullanıcı mesajı

OpenAI ve Claude API'larında "system message" ve "user message" ayrımı var. Sistem mesajı genel rol tanımı için, kullanıcı mesajı her spesifik görev için kullanılır.

// API kullanımı örneği
{
  "system": "Sen Türkçe yazıyor 8 yıllık B2B içerik yazarsın...",
  "user": "Bu ürün için 120 kelimelik açıklama yaz: ..."
}

Web arayüzünde (ChatGPT, Claude) sohbetin ilk mesajına rol tanımı yapılır; sonraki mesajlar görev odaklı olur. Aynı mantık.

İleri Adımlar

Yapay zeka prompt mühendisliği yeni bir disiplin; iyi öğrenildiğinde ekibin günlük üretkenliğini 2-3 katına çıkarır. Sistemli bir başlangıç için AI prompt eğitimi programları rol tanımından çoklu modüllü iş akışlarına kadar kapsamlı pratik sağlar.

Toparlarsak

AI prompt için rol tanımı; modele "kim olduğunu" söyleyerek çıktı kalitesini ve tutarlılığını dramatic şekilde artırır. İyi rol tanımı uzmanlık alanı, deneyim seviyesi, bağlam, stil ve sınırların dört bileşenini içerir. 80-150 kelime arası bir rol yeterlidir; daha uzun rol modeli kaybeder. Rol + görev + girdi + format + kurallar şeklinde yapılandırılmış prompt'lar ekip içinde standardı sağlar; rastgele prompt yerine kütüphane yaklaşımı üretkenliği önemli ölçüde artırır.