Kazanimlar:
- Laboratuvar sonuçlarının işlenmesi, kalite kontrolü ve raporlanmasında AI'ı verimli kullanabilme
- Jeolojik/jeoteknik rapor taslağı, literatür taraması ve veri özetini AI ile hızlandırabilme
- Otomatik üretilen içeriği izlenebilirlik, kaynak teyidi ve mühendis onayıyla güvence altına alabilme
Bir jeoloji mühendisinin işinin görünmeyen ama büyük bir kısmı ofiste geçer: laboratuvar sonuçlarını işlemek, kalite kontrolünden geçirmek, veriyi tablolamak, rapor yazmak, literatür taramak, harita ve şekil hazırlamak. Bu işler tekrarlı, zaman alıcı ve dikkat isteyen işlerdir; tam da yapay zekanın en çok zaman kazandırdığı alan. Ama burada da bir tuzak vardır: rapor, bir mühendislik kararının resmi dayanağıdır. Uydurulmuş bir kaynak, yanlış kopyalanmış bir sayı veya izlenemeyen bir iddia, akıcı bir metnin içinde fark edilmeden imzaya gidebilir ve sonuçları ciddi olabilir. Bu ünitenin amacı, yapay zekayı ofis verimliliğinde uçtan uca kullanırken izlenebilirlik, kaynak teyidi ve mühendis onayını hiç gevşetmeyen bir disiplin kurmaktır.
Bu ünitede üç ofis cephesini ele alacağız: laboratuvar sonucu işleme ve QA/QC (analiz verisinin temizlenip güvenilir kılınması), rapor ve literatür üretimi (taslak, özet ve tarama hızlandırma) ve iş akışı otomasyonu (tekrarlı işlerin kurallı hale getirilmesi). Her adımda yapay zeka bir taslakçı ve düzenleyicidir; içeriğin doğruluğu, kaynağı ve nihai onayı mühendise aittir.
Laboratuvar Sonucu İşleme ve QA/QC
Laboratuvar sonuçları (tenör analizleri, zemin indeks testleri, su kimyası) genellikle farklı formatlarda, farklı birimlerde ve bazen hatalı gelir. Yapay zeka bu veriyi tek bir şemaya oturtur, birim tutarsızlığını yakalar, tespit sınırı altı değerleri işaretler ve QA/QC örneklerini (kör örnek, standart referans madde, tekrar analiz) kontrol eder. QA/QC (kalite güvence/kalite kontrol), laboratuvarın güvenilirliğini kanıtlayan denetimdir: kör örnekte kirlenme, standartta kayma, tekrar örnekte uyumsuzluk varsa veri şüphelidir.
Kritik nokta: yapay zeka bir değeri asla sessizce silmez veya düzeltmez. Görevi, sorunlu satırları işaretlemek ve mühendisin karar vermesini sağlamaktır. Bir aykırı tenör değeri gerçek bir yüksek cevher olabilir de, bir laboratuvar hatası da; bu ayrımı bağlamla mühendis yapar. Yapay zeka veriyi denetler, temizlemez.
İpucu: Laboratuvar verisini işlerken modele "sadece işaretle, değiştirme" kuralını her promptta tekrarlayın. AI'ın en sinsi hatası, iyi niyetle bir değeri "düzeltip" ham veriyi bozması ve bunu fark ettirmemesidir.
Rapor ve Literatür Üretimi
Yapay zeka rapor yazımında güçlü bir taslakçıdır: yöntem bölümünü, giriş bağlamını, sonuç özetini dakikalar içinde taslaklaştırır; uzun bir literatürü özetler; karmaşık bir tabloyu düz metne çevirir. Ama iki tehlike belirgindir. Birincisi uydurulmuş kaynak: model, var olmayan bir makaleyi, yanlış bir yazarı veya olmayan bir standart maddesini kendinden emin biçimde üretebilir. İkincisi sayı taşıma hatası: metne geçerken bir tenör, bir güvenlik katsayısı veya bir derinlik yanlış aktarılabilir.
Bu yüzden altın kural: yapay zeka taslak üretir, mühendis doğrular ve sahiplenir. Her kaynak orijinalinden teyit edilir (uydurma referanslar en sık halüsinasyon türüdür); her sayı ham veriyle karşılaştırılır; her teknik iddia mühendislik bilgisiyle sınanır. Rapor imzalandığında, içindeki her cümlenin sorumluluğu imzalayandadır — "AI yazdı" bir mazeret değildir.
Dikkat: Yapay zekanın ürettiği kaynakçayı asla olduğu gibi kabul etmeyin. Uydurulmuş ama gerçekçi görünen referanslar (doğru gibi duran yazar, dergi, yıl) en yaygın ve en tehlikeli halüsinasyondur. Her referansı bağımsız veritabanından teyit edin.
İş Akışı Otomasyonu ve İzlenebilirlik
Tekrarlı işleri (her ay gelen su izleme verisini işleme, standart bir rapor şablonunu doldurma, sondaj tablolarını birleştirme) yapay zekayla otomatikleştirmek büyük verim sağlar. Ama otomasyon, hatayı da otomatikleştirebilir: bir kez kurulan yanlış bir kural, her çalıştırmada sessizce tekrarlanır. Bu yüzden otomatik iş akışları izlenebilir olmalıdır: her çıktının hangi girdiden, hangi adımdan, hangi model sürümünden geldiği kaydedilmeli; bir hata bulunduğunda kök neden ve etkilenen tüm çıktılar geri izlenebilmelidir.
İzlenebilirlik pratikte şu demektir: girdi verisinin kaynağı ve tarihi, uygulanan dönüşümler, kullanılan prompt/model sürümü ve insan onay adımı kayıt altındadır. Bu, hem hata ayıklamayı hem de mühendislik sorumluluğunu güvence altına alır. Denetlenemez bir otomasyon, ne kadar hızlı olursa olsun, güvenlik-kritik işte kabul edilemez.
Üç Mini Vaka: Rakamlarla
Vaka 1 — QA/QC kaymasının yakalanması. Bir laboratuvar sevkiyatında 320 tenör örneği vardı. Yapay zeka QA/QC taraması, standart referans maddesinin son 40 örnekte sistematik olarak %8 düşük okunduğunu işaretledi — cihaz kalibrasyon kayması. Bu sistematik hata, elle bulunması çok zor ama tüm partiyi etkileyen bir sorundu; sevkiyat yeniden analiz edildi. Model kararı vermedi, deseni görünür kıldı.
Vaka 2 — Uydurulmuş kaynak. Bir jeoteknik raporun literatür bölümünü yapay zeka taslaklaştırdı ve altı referans üretti. Teyit sırasında ikisinin hiç var olmadığı, birinin yanlış dergiye atfedildiği görüldü. Referanslar bağımsız veritabanından tek tek kontrol edilmeseydi, uydurma kaynaklar imzalı bir mühendislik raporuna girecekti. Taslak hızlandırdı; teyit kurtardı.
Vaka 3 — İzlenebilirlikle kök neden. Aylık su izleme otomasyonunda bir gözlem kuyusunun değerleri üç ay boyunca yanlış birimle raporlandı. İzlenebilirlik kaydı sayesinde hatanın hangi dönüşüm adımında başladığı dakikalar içinde bulundu ve etkilenen üç raporun tam listesi çıkarıldı. Kayıt tutulmasaydı, hangi çıktıların bozulduğu belirsiz kalır ve tüm arşiv şüpheli olurdu.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Bu proje için bir jeoteknik rapor yaz, literatürü de ekle. [veriler]
Güçlü prompt:
Rolün: Rapor taslakçısı. Aşağıdaki veriyle bir rapor TASLAĞI hazırla ama:1) SADECE verdiğim veriye dayan; sayı, kaynak veya bulgu UYDURMA.2) Her sayının hangi girdi satırından geldiğini parantezle göster.3) Literatür için gerçek kaynak uydurmak yerine "buraya [konu] hakkında teyitli kaynak eklenecek" yer tutucusu koy.4) Emin olmadığın her yeri "MÜHENDİS TEYİDİ GEREK" olarak işaretle.Nihai içerik ve tüm kaynaklar benim tarafımdan doğrulanacak. Veri anonimdir.
Dört Kopyalanabilir Şablon
1) Laboratuvar QA/QC denetimi:
Laboratuvar sonuç tablosunu denetle: birim tutarsızlığı, tespit sınırı altıişaretler, kör örnekte kirlenme, standart referansta sistematik kayma, tekrarörnekte uyumsuzluk. Sadece sorunlu satırları örnek_id ile işaretle; hiçbirdeğeri silme veya düzeltme. Karar bana ait.
2) Kaynak teyidi zorlaması:
Bu metindeki tüm sayısal iddiaları ve kaynak atıflarını çıkar ve bir kontrollistesi yap: her sayının dayandığı girdi, her kaynağın teyit edilmesi gerekenkünyesi. Kaynak uydurma; teyit edemeyeceğin yeri "doğrulanmalı" işaretle.
3) İzlenebilirlik kaydı iskeleti:
Bu otomatik iş akışı için bir izlenebilirlik kaydı şablonu öner: girdi kaynağıve tarihi, uygulanan dönüşümler, kullanılan prompt/model sürümü, insan onayadımı. Bir hata bulununca kök nedene ve etkilenen çıktılara nasıl ulaşılacağınıgöster.
4) Rapor tutarlılık kontrolü:
Rapor taslağını iç tutarlılık için tara: özetteki sayılar gövdeyle uyuşuyor mu,tablolarla metin çelişiyor mu, birimler baştan sona tutarlı mı, tanımsızkısaltma var mı? Sorunları listele; içerik kararı bana ait.
Ofis Görevi, Kazanç ve Kontrol
Görev
AI kazancı
Ana risk
Zorunlu kontrol
Laboratuvar veri işleme
Yüksek
Sessiz düzeltme
"İşaretle, silme" + ham veri
QA/QC denetimi
Yüksek
Kaymayı ıskalama
Kör/standart/tekrar teyidi
Rapor taslağı
Yüksek
Uydurma sayı/kaynak
Sayı ve kaynak teyidi
Literatür taraması
Yüksek
Uydurma referans
Bağımsız veritabanı teyidi
İş akışı otomasyonu
Çok yüksek
Hatanın tekrarı
İzlenebilirlik kaydı
İpucu: Otomasyonu kurmadan önce "bu iş akışı yanlış çalışırsa nasıl fark ederim?" sorusunu yanıtlayın. Cevap net değilse, önce izlenebilirlik ve kontrol noktalarını ekleyin; hız, denetlenebilirlikten sonra gelir.
Sık yapılan hatalar
- Değeri sessizce düzelttirmek. AI'ın ham veriyi "iyileştirmesi" en sinsi hatadır; kural her zaman "işaretle, değiştirme" olmalıdır.
- Kaynakçayı teyit etmemek. Uydurulmuş referanslar en yaygın halüsinasyondur; her künye bağımsız doğrulanmalıdır.
- Sayı taşımayı denetlememek. Metne geçerken bozulan bir tenör veya güvenlik katsayısı, akıcı metinde gizlenir.
- Otomasyonu izlenemez kurmak. Kayıt tutmayan bir iş akışında hata kök nedeni ve etkisi belirlenemez.
- "AI yazdı" mazeretine sığınmak. İmzalanan her cümlenin sorumluluğu imzalayandadır; onay gevşetilemez.
Özetle
- Ofis işleri yapay zekanın en çok zaman kazandırdığı alandır; ama rapor resmi bir karar dayanağıdır ve hata pahalıdır.
- Laboratuvar verisinde AI denetler, temizlemez; kural "işaretle, silme/düzeltme"dir, karar mühendisindir.
- Rapor ve literatürde uydurma kaynak ve sayı taşıma en yaygın risklerdir; her kaynak ve sayı teyit edilir.
- Otomasyon hızı kadar hatayı da çoğaltabilir; izlenebilirlik kaydı kök nedeni ve etkilenen çıktıları güvence altına alır.
- İmzalanan içeriğin sorumluluğu mühendistedir; "AI yazdı" bir mazeret değildir.
Uygulama görevi
Anonimleştirilmiş bir laboratuvar sonuç tablosu (veya temsili veri) alın. "Laboratuvar QA/QC denetimi" şablonuyla modele sorunlu satırları işaretletin; bir standart referans değerini bilinçli olarak sistematik kaydırıp modelin yakalayıp yakalamadığını ve değeri silmeye çalışıp çalışmadığını test edin. Ardından kısa bir rapor bölümü taslaklatıp "kaynak teyidi zorlaması" şablonuyla içindeki her sayı ve kaynağı bir kontrol listesine döktürün.
Kontrol listesi
- [ ] Laboratuvar verisinde AI'a "işaretle, silme/düzeltme" kuralını her zaman uyguluyorum.
- [ ] QA/QC örnekleriyle (kör, standart, tekrar) laboratuvar güvenilirliğini denetliyorum.
- [ ] Rapor ve literatürdeki her kaynağı ve sayıyı bağımsız teyit ediyorum.
- [ ] Otomasyon iş akışlarını izlenebilirlik kaydıyla kuruyorum.
- [ ] İmzaladığım içeriğin tüm sorumluluğunun bende olduğunu benimsedim.