Kazanimlar:
- Numune (sample), prova/uydurma (fitting), fit yorumu ve revizyon döngüsü kavramlarını kavrayıp yapay zekayı fitting notu ve revizyon talebi taslağı için kullanabilme
- Bir provada gözlemlenen fit sorunlarını yapay zeka desteğiyle net, teknik ve üreticinin anlayacağı revizyon talimatlarına dönüştürebilme
- Fit ve kalite kararının fiziksel provada insanda kaldığını; yapay zekanın gözlemi değil yalnızca ifadeyi düzenlediğini kavrayabilme
Bir tasarım, kâğıttan gerçeğe ilk kez numune (sample) ile geçer: tech pack'e göre üretilen ilk fiziksel örnek. Numune, tasarımın gerçekte nasıl durduğunu, döküldüğünü ve bedende nasıl oturduğunu gösteren ilk andır. Ve neredeyse hiçbir numune ilk seferde doğru çıkmaz. İşte bu yüzden moda, bir ürün geliştirme döngüsü üzerinde döner: numune gelir, denenir, sorunlar tespit edilir, revizyon istenir, yeni numune gelir — ürün olgunlaşana kadar.
Bu döngünün kalbinde fitting (prova / uydurma) vardır: numunenin bir manken ya da model üzerinde giydirilip fit'inin (bedende oturuşunun) değerlendirildiği oturum. Fitting'te tasarımcı ve kalıpçı, kolun nerede sıktığını, belin nerede boşluk yaptığını, boyun nereye düştüğünü gözlemler. Sonra bu gözlemler net revizyon talimatlarına dönüştürülüp üreticiye iletilir. Buradaki en büyük risk iletişimdir: "biraz büyük olmuş" gibi belirsiz bir not, üreticide bambaşka bir yoruma yol açar. İyi fitting notu spesifik, ölçülü ve teknik olmalıdır.
Yapay zeka fitting ve revizyonda ne yapar
Burada çok önemli bir sınır çizelim: fit kararı fizikseldir ve insana aittir. Giysinin bedende nasıl oturduğunu, kumaşın nasıl döküldüğünü, dikişin nerede çektiğini yalnızca gerçek bir provada, gerçek bir gözle görebilirsiniz. Yapay zeka provaya giremez, dokunamaz, göremez. Dolayısıyla yapay zeka gözlem yapmaz.
Yapay zekanın gerçek katkısı iletişim ve düzenlemededir: tasarımcının provada aldığı dağınık, hızlı notları net, teknik ve üreticinin anlayacağı revizyon talimatlarına çevirir; belirsiz ifadeleri işaretleyip netleştirmenizi ister; revizyon taleplerini yapılandırılmış bir forma döker; bir önceki numuneyle karşılaştırma notunu düzenler; ölçü değişikliklerini tutarlı biçimde ifade etmenize yardım eder. Yani yapay zeka gözlemi değil, gözlemin ifadesini iyileştirir.
İpucu: Fitting sırasında notlarınızı serbestçe, hızlıca alın (sesli not bile olur). Sonra yapay zekaya "bu ham notları üreticinin net anlayacağı revizyon talimatına çevir, belirsiz kalan yerleri bana sor" deyin. Gözlem sizden, düzenleme ondan.
Adım adım: numuneden onaya
Adım 1 — Numuneyi hazırla ve prova et. Numuneyi tech pack'e göre kontrol edin, mankende/modelde deneyin. Fit'i gözlemleyin.
Adım 2 — Ham gözlem al. Sıkan, boşluk yapan, çeken, düşen noktaları serbestçe not edin. Bu adım tümüyle fizikseldir ve insanındır.
Adım 3 — Revizyona çevir. Ham notları net revizyon talimatlarına dönüştürün: hangi noktada, ne yönde, ne kadar değişiklik. Yapay zeka burada ifadeyi netleştirir.
Adım 4 — Talimatı yapılandır ve gönder. Revizyonları ölçü noktası, mevcut değer, istenen değer ve gerekçe olarak yapılandırıp üreticiye iletin.
Adım 5 — Yeni numuneyi değerlendir ve döngüyü kapat. Gelen numuneyi tekrar prova edin; sorun çözülene kadar döngüyü tekrarlayın, sonra onaylayın.
Aşağıdaki tablo, ham gözlemin net revizyona nasıl çevrildiğini örnekler:
Ham gözlem
Net revizyon talimatı
"Kol biraz dar"
Kol genişliğini biseps hizasında her iki tarafta +1 cm aç
"Bel çok bol"
Bel genişliğini yan dikişlerde toplam −2 cm daralt
"Boy uzun geldi"
Ön ve arka boyu etek ucundan 3 cm kısalt
"Yaka rahatsız"
Yaka çevresini +0,5 cm genişlet, iç dikiş temizlensin
Üç mini vaka
Vaka 1 — Belirsizlikten netliğe. Bir tasarımcı provada "üst beden biraz sıkıyor, kol da kısa gibi" diye not almıştı. Bunu olduğu gibi göndermek yerine yapay zekaya verdi; yapay zeka "hangi noktada, ne kadar" diye netleştirici sorular sordu. Tasarımcı ölçüleri belirledi, talimat "göğüs +1,5 cm, kol boyu +2 cm" olarak netleşti. Üretici tam olarak anladı, ikinci numune isabetli çıktı. Yapay zeka ifadeyi netleştirdi, ölçü kararı tasarımcınındı.
Vaka 2 — Gözlemi devretme hatası. Bir ekip, numuneyi hiç prova etmeden fotoğrafını yapay zekaya gösterip "fit sorunlarını söyle" dedi. Yapay zeka görselden "tahmin" üretti; ama fotoğraf duruşu ve mankenin pozu gerçek fit'i göstermiyordu. Yanlış revizyonlar istendi, bir numune döngüsü boşa gitti. Ders: fit yalnızca fiziksel provada anlaşılır; yapay zeka gözlem yapamaz.
Vaka 3 — Tutarlı iletişim. Çok sayıda modelin revizyonu aynı anda yürüyordu ve notlar dağınıktı. Tasarımcı tüm ham notları yapay zekaya verip her model için aynı yapıda (ölçü noktası / mevcut / istenen / gerekçe) revizyon formu ürettirdi. Üretici standart formatı kolayca izledi, hata azaldı. Yapay zeka iletişimi standartlaştırdı, içeriği insan sağladı.
Dört kopyalanabilir şablon
1) Ham nottan revizyon talimatına:
İşte provada aldığım ham notlar: [metin/sesli not dökümü].Ürün: [tanım].Görev: Bunları üreticinin net anlayacağı revizyon talimatlarına çevir.Her talimat: ölçü noktası | yön (aç/daralt/uzat/kısalt) | miktar | gerekçe.Miktarı benim netleştirmem gereken yerlerde bana sor; değer uydurma.
2) Belirsizlik netleştirici:
Fitting notlarım şunlar: [metin].Görev: Belirsiz, ölçüsüz veya çelişkili ifadeleri işaretle.Her biri için netleştirmem gereken soruyu sor(örn. "ne kadar bol?", "hangi noktada?").Ben yanıtlayınca talimatı düzenleyeceğiz.
3) Revizyon formu yapılandırıcı:
Modellerim ve revizyon notlarım: [liste].Görev: Her model için aynı yapıda bir revizyon formu üret:ölçü noktası | mevcut değer | istenen değer | gerekçe | öncelik.Değerleri ben gireceğim/onaylayacağım; sen formu standartlaştır.
4) Numune karşılaştırma notu:
Önceki numune revizyonları: [liste]. Yeni numunede gözlemim: [metin].Görev: Yeni numunenin, istenen revizyonları karşılayıp karşılamadığınımaddeleyerek karşılaştıran bir not düzenle.Fit kararını ben provada veriyorum; sen karşılaştırmayı düzenle.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu numunede ne düzeltmeliyim?
Yapay zeka provaya giremez; gözlem olmadan tahmin üretir, işe yaramaz.
Güçlü prompt:
Rolün: bir teknik iletişim asistanı.Provada aldığım ham notlar: "göğüs sıkıyor, kol uzun, etek geniş açılıyor".Ürün: A-kesim elbise, M beden.Görev: Bunları revizyon talimatına çevir: ölçü noktası | yön | miktar |gerekçe. Miktarı ben belirteceğim — netleşmesi gereken yerlerde bana sor.Gözlemi sen yapmadın; sadece ifademi netleştir, değer uydurma.
İkinci istem yapay zekayı doğru konumlandırır: gözlem ve ölçü insandan, düzenli ifade ondan.
Sık yapılan hatalar
- Fit'i yapay zekaya "gördürmeye" çalışmak. Fit fiziksel provada anlaşılır; fotoğraf ya da tarif gerçeğin yerini tutmaz.
- Belirsiz not göndermek. "Biraz büyük" üreticide farklı yorumlanır; ölçü ve yön netleşmeli.
- Miktarı yapay zekaya uydurtmak. Kaç cm değişeceğine kalıp ve prova gözlemi karar verir, model değil.
- Döngüyü kısa kesmek. Sorun çözülmeden numuneyi onaylamak, hatayı üretime taşır.
- İletişimi standartlaştırmamak. Her revizyonu farklı formatta göndermek üreticide hata üretir.
Dikkat: Yapay zeka fitting'te gözlem yapamaz; yalnızca sizin gözleminizin ifadesini iyileştirir. Fit ve kalite kararı, giysinin bedende nasıl oturduğunu gören tasarımcıya aittir ve fiziksel provasız verilemez.
Özetle
Numune, tasarımın gerçeğe ilk geçişidir ve neredeyse hiç ilk seferde doğru çıkmaz; bu yüzden ürün bir geliştirme döngüsünde olgunlaşır. Bu döngünün kalbi fitting'tir: numunenin bedende oturuşunun değerlendirilip revizyona çevrildiği oturum. Fit kararı fizikseldir ve insana aittir; yapay zeka provaya giremez, gözlem yapamaz. Yapay zekanın katkısı iletişimdedir: ham gözlemleri net, teknik, standart revizyon talimatlarına çevirir, belirsizlikleri işaretler. Süreç numuneyi prova etmek, ham gözlem almak, revizyona çevirmek, talimatı yapılandırıp göndermek ve yeni numunede döngüyü kapatmaktır. Yapay zeka ifadeyi düzenler, gözlemi ve ölçü kararını insan verir.
Uygulama görevi
Bir ürün ve varsayımsal bir prova senaryosu seçin. (1) Provada aldığınızı hayal ettiğiniz 5-6 ham gözlem notu yazın (belirsiz haliyle). (2) "Belirsizlik netleştirici" ile bunların hangilerinin netleşmesi gerektiğini çıkarın ve ölçüleri kendiniz belirleyin. (3) "Ham nottan revizyon talimatına" ile net talimatlar üretin. (4) "Revizyon formu yapılandırıcı" ile standart bir form oluşturun. (5) Bu döngüde hangi kararların yalnızca fiziksel provada verilebileceğini ve yapay zekanın nerede durduğunu bir paragrafla açıklayın.
Kontrol listesi
- [ ] Fit gözlemini fiziksel provada kendim yaptım.
- [ ] Ham notları net, ölçülü, teknik talimata çevirdim.
- [ ] Belirsiz ifadeleri netleştirdim; miktarları ben belirledim.
- [ ] Revizyonları standart bir formatta ilettim.
- [ ] Sorun çözülene kadar döngüyü kapatmadım.
- [ ] Fit ve kalite kararını insan olarak verdim.