Etik, Gizlilik, Telif ve Yapay Zeka Araçları Ekosistemi

Kazanimlar:

• Tasarım özgünlüğü, telif, veri gizliliği ve karanlık desen (dark pattern) etiği açısından yapay zeka kullanımını sorumlu biçimde çerçeveleyebilme
• Figma, Miro ve büyük dil modeli tabanlı UX araçlarını göreve göre seçip iş akışına entegre edebilme
• Kişisel ve kurumsal bir yapay zeka kullanım politikası ve doğrulama kontrol listesi oluşturabilme

Bu modül boyunca yapay zekayı UX iş akışının her aşamasında bir hızlandırıcı olarak kullandık. Bu son ünite, tüm bu gücü sorumlu bir çerçeveye oturtur: etik sınırlar, veri gizliliği, telif ve fikri mülkiyet, ve doğru aracı doğru işe seçme. Bir tasarımcı için bunlar "ekstra dikkat" değil, mesleğin çekirdeğidir; çünkü tasarım milyonlarca insanın davranışını yönlendirir ve bu güç kötüye kullanılabilir. Yapay zeka bu sorumluluğu ortadan kaldırmaz, artırır: bir araç sizin adınıza hızlı üretim yaptığında, çıktının etik ve yasal sonucu yine sizindir.

Karanlık desenler: gücün kötüye kullanımı

Karanlık desen (dark pattern), kullanıcıyı istemediği bir eyleme kandırarak yönlendiren tasarımdır: iptal butonunu gizlemek, "hayır" seçeneğini utandırıcı biçimde yazmak ("Hayır, tasarruf etmek istemiyorum"), abonelik iptalini kasten zorlaştırmak, önceden işaretli onay kutuları. Bunlar kısa vadede metrikleri şişirir ama kullanıcı güvenini yok eder ve giderek yasal yaptırıma tabidir (birçok ülkede tüketici koruma düzenlemeleri bunları yasaklar).

Yapay zeka bir karanlık desen üretmenizi kolaylaştırabilir; "iptal butonunu fark edilmez yap" gibi bir istek teknik olarak yanıtlanabilir. Ama bu istek etik dışıdır ve reddedilmelidir. Araç bir bahane değildir; sorumluluk daima tasarımcıdadır. Etik tasarımın turnusol testi basittir: "Kullanıcı bu tasarımı anlasaydı, yine de kabul eder miydi?"

Dikkat: "Yapay zeka önerdi" bir savunma değildir. Etik dışı bir çıktının sorumluluğu, onu üründe kullanan tasarımcıya aittir.

Veri gizliliği ve KVKK: baştan sona

İlk üniteden beri vurguladığımız ilke burada tam çerçeveye oturur. UX araştırması kişisel veriyle çalışır ve KVKK bu veriyi korur. Yapay zeka kullanırken üç kural değişmez:

1. Anonimleştir: Ad, iletişim, işyeri gibi tanımlayıcıları maskele.
2. Rıza sınırında kal: Katılımcıya söylediğin kullanım amacını aşma.
3. Aracın veri politikasını bil: Verinin nerede saklandığını ve model eğitimine gidip gitmediğini kontrol et; kurumsal onaylı araçları tercih et.

Ücretsiz bir araca kritik veri girmek, verinin üçüncü tarafların eline geçmesi anlamına gelebilir. Kurumsal ortamda mutlaka bilgi güvenliği ekibinin onayladığı araçları kullanın.

Telif, fikri mülkiyet ve özgünlük

Yapay zekanın ürettiği görseller, ikonlar ve metinler telif açısından belirsizlik taşır. Bir görsel üreteci, eğitildiği eserlere aşırı benzeyen çıktılar verebilir; bu, başka birinin fikri mülkiyetini ihlal riski doğurur. Ticari kullanımda üç kontrol şarttır:

• Lisans şartları: Aracın çıktısını ticari olarak kullanma hakkın var mı?
• Benzerlik riski: Çıktı, var olan bir markaya veya esere tehlikeli biçimde benziyor mu?
• Özgünlük ve şeffaflık: Kreatif işlerde yapay zeka katkısını gerektiğinde beyan et; başkasının emeğini kendi özgün işin gibi sunma.

Eğitim ve kreatif alanlarda özgünlük ayrıca bir meslek etiğidir. Yapay zeka bir başlangıç noktası olabilir, ama son iş sizin katkınızı, yargınızı ve sorumluluğunuzu taşımalıdır.

Araç ekosistemi: doğru işe doğru araç

Yapay zeka araçları kabaca üç grupta toplanır. Hiçbiri her işe uygun değildir; göreve göre seçin.

Araç türü

Örnek kullanım

Güçlü olduğu iş

Dikkat

Büyük dil modeli (metin)

Araştırma sentezi, UX writing, dokümantasyon

Metin üretimi ve analizi

Halüsinasyon, veri gizliliği

Tasarım aracına gömülü eklenti (ör. Figma içi)

Wireframe, içerik doldurma, düzen

Tasarım akışında hız

Tutarlılık, bileşen bağı

İşbirliği tahtası eklentisi (ör. Miro içi)

Yakınlık diyagramı, beyin fırtınası

Araştırma sentezi, gruplama

İnsan doğrulaması

Görsel/ikon üreteci

İllüstrasyon, konsept görsel

Hızlı görsel fikir

Telif, lisans, benzerlik

Pratik yaklaşım: metin ve analiz için dil modeli, tasarım üretimi için araç içi eklentiler, sentez için tahta eklentileri, görsel için üreteçler — ama her birinde bu modülün doğrulama refleksleri geçerlidir.

Üç mini vaka

Vaka 1 — Reddedilen karanlık desen isteği. Bir ürün yöneticisi tasarımcıdan "iptal akışını o kadar zorlaştır ki kimse iptal edemesin" istedi. Tasarımcı bunun karanlık desen olduğunu, güven ve yasal risk taşıdığını açıkladı; bunun yerine iptal edenlere alternatif sunan dürüst bir akış tasarladı. İptal oranı yönetilebilir kaldı, güven korundu.

Vaka 2 — Telif riski yakalandı. Bir ekip yapay zekayla ürettiği bir logo benzeri ikonu kullanmak istedi. Uyum kontrolünde ikonun tanınmış bir markaya tehlikeli biçimde benzediği görüldü ve kullanılmadı. Ders: görsel çıktı, benzerlik açısından mutlaka denetlenir.

Vaka 3 — Gizlilik ihlali önlendi. Bir tasarımcı, müşteri görüşmelerini kişisel verilerle birlikte onaysız bir araca yüklemek üzereydi. Kurum politikası bunu engelledi; veriler önce anonimleştirildi, onaylı araç kullanıldı. Ders: politika ve anonimleştirme baştan uygulanır, sonradan değil.

Kopyalanabilir promptlar

Bu tasarım isteğini etik açıdan değerlendir: "<<istek>>".Kullanıcıyı yanıltıyor mu, seçim özgürlüğünü kısıtlıyor mu, bir karanlıkdesen mi? Turnusol testi: kullanıcı bunu anlasa yine kabul eder miydi?Sorunluysa dürüst bir alternatif öner.

Bu yapay zeka görsel/ikon çıktısını ticari kullanım için denetle:1) tanınmış bir marka veya esere benzerlik riski var mı?2) lisans/ticari kullanım açısından nelere dikkat etmeliyim?Kontrol edilecek noktaları ve gerekirse "hukuk onayı al" uyarısını listele.Görsel açıklaması: <<metin>>

Bize bir yapay zeka kullanım politikası taslağı yaz (UX ekibi için):hangi veriler yüklenebilir/yüklenemez, anonimleştirme kuralı, onaylı araçlar,çıktı doğrulama adımı, telif kontrolü, etik sınırlar.Kısa, uygulanabilir maddeler halinde ver.

Bu görev için hangi tür yapay zeka aracı en uygun? "<<görev>>".Seçenekler: dil modeli / tasarım aracı eklentisi / tahta eklentisi /görsel üreteci. En uygununu seç, gerekçelendir ve dikkat edilecek riski yaz.

Zayıf prompt / Güclü prompt

Zayıf: "Bu görseli kullanabilir miyim?"

Sonuç: Belirsiz, riski değerlendirmeyen yüzeysel bir yanıt.

Güçlü: "Bu görsel çıktısını ticari kullanım için denetle: benzerlik riski var mı, lisans açısından nelere dikkat etmeliyim, hukuk onayı gerekir mi?"

Sonuç: Somut risk kontrol listesi ve gerekli onay uyarısı.

Fark: güçlü prompt benzerlik + lisans + onay boyutlarını ayrı ayrı sorgular.

Sık yapılan hatalar

• "Yapay zeka önerdi" diye sorumluluktan kaçmak. Etik ve yasal sonuç tasarımcınındır.
• Karanlık desenleri "optimizasyon" sanmak. Kullanıcıyı kandıran her tasarım güveni ve itibarı yıkar.
• Görsel çıktıyı telif kontrolsüz kullanmak. Benzerlik ve lisans riski ticari felakete yol açabilir.
• Onaysız araca kritik veri girmek. KVKK ihlali ve veri sızıntısı.
• Her işe tek araç dayatmak. Görev tipine göre araç seçmemek verimi ve kaliteyi düşürür.

Özetle

Yapay zekanın gücü, sorumluluğu ortadan kaldırmaz; büyütür. Etik tasarım kullanıcıyı kandırmayı reddeder; karanlık desenler kısa vadeli kazanç için güveni ve yasal güvenliği feda eder. Veri gizliliği KVKK çerçevesinde anonimleştirme, rıza ve onaylı araçla korunur. Telif ve özgünlük, özellikle görsel ve kreatif çıktıda benzerlik ve lisans kontrolü ister. Araç ekosistemini göreve göre seçin: metne dil modeli, tasarıma araç eklentisi, senteze tahta, görsele üreteç — ama her birinde doğrulama refleksi değişmez. Kendi ve ekibinizin yapay zeka politikasını yazın; böylece hız, sorumlulukla dengelenir.

Uygulama görevi

1. Üçüncü prompt ile UX ekibiniz için kısa bir yapay zeka kullanım politikası taslağı üretin.
2. Politikayı bu modülün doğrulama ve gizlilik ilkeleriyle karşılaştırıp eksikleri tamamlayın.
3. Şüpheli bir tasarım isteğini ilk prompt ile etik turnusol testinden geçirin.
4. Kullandığınız veya kullanacağınız bir yapay zeka görselini ikinci prompt ile telif açısından denetleyin.
5. Bir kişisel doğrulama kontrol listesi oluşturup çalışma masanıza asın.

Kontrol listesi

• [ ] Karanlık desen isteklerini reddedip dürüst alternatif ürettim.
• [ ] Etik turnusol testini ("kullanıcı anlasa kabul eder miydi?") uyguladım.
• [ ] Kişisel veriyi anonimleştirip yalnızca onaylı araç kullandım.
• [ ] Görsel çıktıları telif ve benzerlik açısından denetledim.
• [ ] Görevi doğru araç türüyle eşleştirdim.
• [ ] Bir yapay zeka kullanım politikası ve doğrulama listesi oluşturdum.

Modul Sinavi

1. Bir UX tasarımcısı, yapay zekanın 20 görüşmeden çıkardığı 'kullanıcılar hız istiyor' temasını hiçbir alıntıya bakmadan araştırma raporuna koyuyor; sunumda paydaş 'hangi görüşmede?' diye sorunca dayanak bulunamıyor. Bu durumun temel dersi nedir?

• A) Yapay zeka çıktısını gerçek görüşme alıntısına bağlayıp doğrulamadan kullanmak; kanıt izini kurma sorumluluğunu göz ardı etmek ✔
• B) Yapay zekayı araştırma sentezinde kullanmanın kesinlikle yasak olması
• C) Görüşme sayısının 20 yerine 50 olması gerektiği
• D) Temanın bir tabloda sunulmamış olması

Aciklama: Yapay zeka akıcı ama gerçekte dayanaksız temalar (halüsinasyon) üretebilir. Her sentez çıktısı gerçek kullanıcı alıntısına ve kaynağa geri bağlanıp doğrulanmadan rapora veya karara girmemelidir; sorumluluk tasarımcıdadır.

2. Aşağıdaki görevlerden hangisinde yapay zeka en yüksek riskle kullanılır ve mutlaka tasarımcının nihai onayını gerektirir?

• A) Bir wireframe için üç farklı düzen varyasyonu üretmek
• B) Buton metni için beş alternatif önermek
• C) Bir arayüzün erişilebilir olduğuna ve kullanıcı ihtiyacını karşıladığına dair nihai kararı vermek ✔
• D) Bir toplantı notunu özetlemek

Aciklama: Erişilebilirlik onayı ve gerçek kullanıcı ihtiyacına dair nihai karar, insanların deneyimini doğrudan etkilediği için yüksek risklidir. Taslak wireframe veya metin varyasyonu üretmek düşük risklidir; asıl yargı ve onay tasarımcıya aittir.

3. Kullanıcı görüşmesi dökümünü yapay zekaya yüklemeden önce yapılması gereken en kritik adım hangisidir?

• A) Dökümü olduğu gibi, tüm kişisel verilerle birlikte yüklemek
• B) Kişisel verileri (ad, iletişim, işyeri) anonimleştirip rıza ve kurum politikası sınırında çalışmak ✔
• C) Dökümü önce İngilizceye çevirmek
• D) Dökümü bir görsele dönüştürmek

Aciklama: Görüşme dökümleri ad, telefon, işyeri gibi kişisel veri içerir. KVKK ve rıza sınırları gereği bu veriler yapay zekaya taşınmadan önce anonimleştirilmeli veya maskelenmeli; kurumun onayladığı araç kullanılmalıdır.

4. Yapay zeka ile üretilen bir persona 'yaşlı kullanıcılar teknolojiden korkar' gibi bir cümle içeriyor. Doğru yaklaşım nedir?

• A) Cümleyi olduğu gibi bırakmak, çünkü yapay zeka tarafsızdır
• B) Personayı tümüyle silmek
• C) Klişeyi işaretleyip gerçek veriyle sınamak ve dayanaksızsa çıkarmak ✔
• D) Cümleyi daha da vurgulamak

Aciklama: Yapay zeka eğitildiği veriden klişe ve yanlılık (bias) taşıyabilir. Persona gerçek segment verisine dayanmalı; stereotipler işaretlenip veriyle sınanmalı, dayanaksız genellemeler çıkarılmalıdır.

5. Kalitatif araştırma sentezinde 'yakınlık diyagramı' (affinity mapping) neyi ifade eder?

• A) Benzer gözlem ve alıntıları gruplayarak temalara ulaşma yöntemi ✔
• B) Kullanıcıların birbirine yakınlığını ölçen bir anket
• C) Renk paletini seçme tekniği
• D) Bir prototip animasyon türü

Aciklama: Yakınlık diyagramı, tek tek gözlem ve alıntıların benzerliklerine göre gruplanarak temalara dönüştürülmesidir. Yapay zeka ilk gruplamayı hızlandırabilir ama grupların anlamı insan tarafından doğrulanmalıdır.

6. Bir tasarımcı, yapay zekaya 'buton metni yaz' diyor ve tek kelimelik bağlamsız bir sonuç alıyor. Daha güçlü bir prompt için ne eklemelidir?

• A) Sadece 'daha iyi yaz' demek
• B) Promptu İngilizce yazmak
• C) Aynı promptu birçok kez tekrarlamak
• D) Ekranın amacı, kullanıcı bağlamı, marka tonu, uzunluk sınırı ve istenen varyasyon sayısını vermek ✔

Aciklama: Güçlü prompt bağlam verir: ekranın amacı, kullanıcının o an ne yaptığı, marka tonu, uzunluk sınırı ve varyasyon sayısı. Bağlamsız istek, jenerik ve kullanılamaz çıktı üretir.

7. Kullanılabilirlik testi bulgularını önceliklendirirken 'severity' (önem derecesi) neye göre belirlenir?

• A) Sorunu bulan kişinin kıdemine göre
• B) Sorunun kullanıcı üzerindeki etkisi, sıklığı ve iş etkisine göre ✔
• C) Bulgunun rapordaki sırasına göre
• D) Yapay zekanın verdiği rastgele puana göre

Aciklama: Önem derecesi, sorunun kullanıcıyı ne kadar etkilediği (görevi tamamlamayı engelliyor mu), kaç kullanıcıda görüldüğü ve iş etkisi gibi ölçütlerle belirlenir. Yapay zeka taslak sıralama önerebilir ama nihai ağırlık kararı tasarımcı ve ekibindedir.

8. Yapay zekanın erişilebilirlik önerileri (örneğin alternatif metin) hakkında hangisi doğrudur?

• A) Yapay zekanın onayı erişilebilirliği garanti eder, ek teste gerek yoktur
• B) Erişilebilirlik yalnızca renk seçimiyle ilgilidir
• C) Alternatif metin gerekli değildir
• D) Yapay zeka taslak üretir; gerçek erişilebilirlik yardımcı teknoloji ve kullanıcı testiyle teyit edilir ✔

Aciklama: Yapay zeka alt metin ve kontrast için hızlı taslak üretebilir, ancak gerçek erişilebilirlik yalnızca ekran okuyucu ve gerçek yardımcı teknoloji kullanıcılarıyla test edilerek teyit edilir. Otomatik öneri başlangıçtır, kanıt değildir.

9. Bir arayüz metninde yapay zeka 'İşleminiz başarısız oldu, tekrar deneyin' hata mesajı öneriyor. UX writing açısından en iyi iyileştirme hangisidir?

• A) Mesaja teknik hata kodunu ekleyip kullanıcıyı baş başa bırakmak
• B) Mesajı tümüyle kaldırmak
• C) Ne olduğunu, olası nedeni ve kullanıcının atacağı somut adımı açık ve suçlayıcı olmayan dille yazmak ✔
• D) Büyük harfle 'HATA' yazmak

Aciklama: İyi hata mesajı ne olduğunu, nedenini ve kullanıcının ne yapacağını net söyler; suçlayıcı olmaz. 'Ne oldu + neden + sonraki adım' formülü kullanıcıyı yolda tutar. Yapay zeka taslağı bu ölçütle iyileştirilir.

10. Metinden arayüz üreten bir yapay zeka aracının ürettiği wireframe hakkında en doğru tutum nedir?

• A) Çıktıyı doğrudan son tasarım olarak kullanmak
• B) Çıktıyı hiç kullanmamak, çünkü değersizdir
• C) Çıktıyı yalnızca renkleri için kullanmak
• D) Çıktıyı hızlı başlangıç taslağı sayıp içerik, kenar durum ve erişilebilirlikle olgunlaştırmak ✔

Aciklama: Bu araçlar hızlı başlangıç taslağı üretir ama gerçek içerik, kenar durumlar, erişilebilirlik ve zihinsel model gibi konularda eksiktir. Çıktı bir başlangıç noktasıdır; tasarımcı bunu eleştirip olgunlaştırmalıdır.

11. Tasarım sistemi çalışmasında yapay zekanın en uygun kullanım alanı hangisidir?

• A) Bileşen dokümantasyonu ve kullanım metni taslaklarını üretip ekipçe doğrulamak ✔
• B) Tüm tasarım sistemini onaysız otomatik yayınlamak
• C) Marka renklerini tasarımcıya sormadan değiştirmek
• D) Bileşenleri kullanıcı testi olmadan sistemden silmek

Aciklama: Yapay zeka bileşen dokümantasyonu, kullanım metinleri, do/don't örnekleri ve token adlandırma taslaklarını hızlı üretmede güçlüdür. Ancak önerileri mevcut sistemle çelişki açısından denetlenmeli; tekillik ve tutarlılık kararı ekibindedir.

12. Bir tasarımcı, kullanıcıyı istemediği bir aboneliğe yönlendiren gizli bir tasarım için yapay zekadan 'iptal butonunu fark edilmez yap' istiyor. Bu ne tür bir sorundur?

• A) Zararsız bir mikro etkileşim iyileştirmesi
• B) Erişilebilirlik iyileştirmesi
• C) Standart bir tasarım sistemi kuralı
• D) Kullanıcıyı yanıltan, etik dışı ve giderek yasal risk taşıyan bir karanlık desen (dark pattern) ✔

Aciklama: Kullanıcıyı yanıltarak istemediği bir eyleme yönlendiren tasarımlar 'karanlık desen' (dark pattern) olup etik dışıdır ve giderek yasal yaptırıma tabidir. Yapay zeka bir aracı olsa da sorumluluk tasarımcıdadır; bu tür istek reddedilmelidir.

13. Yapay zeka ile üretilmiş bir görsel veya ikon setini üründe kullanmadan önce hangi kontrol şarttır?

• A) Hiçbir kontrol gerekmez, yapay zeka çıktısı serbesttir
• B) Aracın lisans şartları, telif ve benzer esere yakınlık riskinin doğrulanması ✔
• C) Yalnızca dosya boyutunun kontrol edilmesi
• D) Görselin renk sayısının sayılması

Aciklama: Yapay zeka görselleri lisans, telif ve marka benzerliği açısından belirsizlik taşıyabilir. Ticari kullanımda aracın lisans şartları, benzer eserlere aşırı yakınlık ve fikri mülkiyet riski doğrulanmalı; gerekirse hukuk/uyum onayı alınmalıdır.

14. Kullanıcı yolculuğu haritasında yapay zekanın ürettiği 'duygu' satırı hakkında doğru yaklaşım nedir?

• A) Duyguları gerçek araştırma verisiyle teyit etmek, dayanaksızları varsayım olarak işaretlemek ✔
• B) Yapay zekanın duygu tahminini kesin gerçek saymak
• C) Duygu satırını tamamen görmezden gelmek
• D) Duyguları rastgele renklerle işaretlemek

Aciklama: Yapay zeka duygu ve acı noktalarını makul biçimde tahmin edebilir ama bunlar gerçek kullanıcı verisiyle desteklenmedikçe varsayımdır. Harita, araştırma alıntılarıyla teyit edilmeli; dayanaksız duygular varsayım olarak işaretlenmelidir.