Yedinci Bölüm: Karar Desteği, Bilgi Erişimi ve Tarımsal Danışmanlık

Yedinci Bölüm: Karar Desteği, Bilgi Erişimi ve Tarımsal Danışmanlık

Bölümün Mesajı

Bir çiftçi iki kelimelik bir soru yazabilir: "Ne ilaçlamalıyım?" Cümle açık görünür, ama yanıtı kökten değiştirebilecek bir sorular zincirini gizler. Ürün ve çeşit nedir? Hangi evrede? Söz konusu belirti ya da hedef nedir? Teşhis doğrulandı mı? Çiftlik hangi ülkede ya da hangi yargı alanında? Hangi ürünler ruhsatlı ve mevcut? Hava durumu, hasat tarihi ve önceki uygulamalar neler? Sorumlu bir dijital danışman akıcı bir model değil; eksik bir soruyu incelenebilir bir soruya çevirmeyi bilen bir sistemdir. Ne anladığını belirtir, kararı değiştiren bağlamı ister, hatanın sonuçlarını sınıflandırır, yer ve zaman için geçerli yetkin bir kaynağı getirir ve bilgiyi, açıklamayı ve sınırları birbirinden ayıran bir yanıt kurar. Mesele makinenin yetkisini aştığında ise sistem çekimser kalır ve onu uygun mercie ya da uzmana yükseltir. Doğal dil bilgiyi kullanıcılara yaklaştırır, ama kendine özgü bir tehlike taşır: bir tahmini profesyonel bir yanıt gibi gösterebilir. Bu nedenle bir sistemin zekâsı, kaç soruyu yanıtladığıyla değil; ne zaman yanıt vereceğini, hangi kaynağı kullanacağını, hangi güvenin gerekçeli olduğunu ve ne zaman başka bir soruya, bir muayeneye ya da bir yönlendirmeye ihtiyaç duyulduğunu bilip bilmediğiyle ölçülür. Güvenli bir yanıt her zaman nihai bir yanıt değildir; bazen bir sistemin yapabileceği en iyi şey, neyin eksik olduğunu belirlemek, kullanıcıyı erken bir eylemden korumak ve geçerli bir karara giden en kısa yolu sunmaktır.

1. Tarımsal Danışmanlık Neden Zordur?

Kısa bir tarımsal soru genellikle bir araştırma ortamında değil, pratik işin ortasında gelir. Bir çiftçi renk değiştirmiş yapraklarla karşılaşabilir, bir pompadan alışılmadık bir ses duyabilir ya da meyvelerin döküldüğünü görüp doğrudan bir yanıt isteyebilir. Hız ihtiyacı gerçektir, ama hızlı bir yanıt, sorunun ne anlama geldiğini belirleyen eksik bilgiyi telafi edemez.

"Bitki neden sararıyor?" sorusu suyla, beslenmeyle, köklerle, hastalıkla, zararlılarla, soğukla, sıcakla, kimyasal zararla ya da doğal bir gelişme evresiyle ilgili olabilir. Tek bir görüntü belirtiyi tarladaki yayılımı olmadan gösterebilir, yaprağın alt yüzünü gizleyebilir ya da aydınlatma ve kamera yüzünden bozulabilir. Sistem yalnızca görsel benzerlikten tek bir nedeni seçerse, belirsizliği hak etmediği bir kesinliğe dönüştürebilir. Görünen soru ve gerçek soru Sistem bir yanıt üreterek değil, soruyu yeniden kurarak başlar. Duruma göre şunları bilmesi gerekebilir:

• Ürün, çeşit ve evre.
• Ülke ya da yargı alanı.
• Tarım tarla koşullarında mı, örtü altında mı, organik mi, yoksa özel bir sistem içinde mi?
• Bitkinin etkilenen kısmı ve belirtilerin yayılımı.
• Durum ne zaman başladı ve nasıl değişti?
• Hava durumu, sulama, gübreleme ve önceki ilaçlama.
• Özelleşmiş görüntülerin, ölçümlerin, çözümlemenin ya da teşhisin varlığı.
• Kullanıcının düşündüğü ürün ya da madde.
• Hasat zamanı ya da yakınlarda çalışanların, hayvanların ve suyun bulunması.
• Şimdi hangi karar gerekiyor: muayene, tedavi, bir makinenin işletilmesi ya da bir kavramın anlaşılması?

Her soru her seferinde sorulmak zorunda değildir. Sistem, kararı ya da güvenlik düzeyini değiştiren en küçük bilgi kümesini seçer. Herhangi bir yardım sunmadan önce kullanıcıları yirmi soruyla boğmak onları uzaklaştırabilirken, eksik bir soruyu hemen yanıtlamak onları zarara açık bırakabilir. İyi tasarım, bağlam toplama ihtiyacı ile güvenli ve anında bir adım sunma ihtiyacı arasında denge kurar. Hatanın sonucu, engelin derinliğini belirler Bütün sorular risk bakımından eşit değildir:

Hatanın sonucu ne kadar ağırsa, kabul edilebilir tahmine bırakılan alan o kadar daralır, gereken kaynak yetkesi o kadar yükselir ve insan ya da tarla doğrulamasına duyulan ihtiyaç o kadar büyür. Niyetten takibe Danışmanlık yolu, bir aşamalar dizisi olarak kurulabilir:

1. Niyeti anlamak: Kullanıcı bir açıklama mı, teşhis mi, eylem mi yoksa düzenlemeye ilişkin bilgi mi istiyor?
2. Belirleyici bağlam çoğuldur: Eksik olan ve yanıtı değiştirebilecek bir soru.
3. Risk sınıflandırması: Yanlış ya da gecikmiş bir yanıtın sonuçları neler?
4. Kanıtın getirilmesi: Yere ve ürüne uygun, uzmanlaşmış ve güncel kaynakların aranması.
5. Yetke ve geçerlilik denetimi: Kaynak resmî mi, bilimsel mi, yoksa danışmanlığa ilişkin mi ve hâlâ yürürlükte mi?
6. Kısıtlı sentez: Kaynakların desteklediği şeyi kullanın ve onun ötesine geçmeyin.
7. Güvenlik denetimi: Ek bir bariyere ihtiyaç duyan dozları, teşhisleri ya da komutları saptayın.
8. Kaynağı ve belirsizliği göstermek: Bildiğimiz, bilmediğimiz ve nedeni.
9. Yetki yükseltme: Gerektiğinde kurumu, uzmanı ya da sonraki ölçümü belirtin.
10. Sonuç takibi: Kullanıcı ne yaptı, ne oldu ve sistem ne öğrendi?

Dil modeli, ikna edici bir paragraf yazabildiği için bu aşamaları atlamak zorunda değildir. Akıcılık, sunumun bir işlevidir; kararın bir ifadesi değil. Sorunun niteliği, hizmetin niteliğinin bir parçasıdır Sistem, yalnızca kısa yanıt süreleri için kendini ödüllendirmez. En iyi ilk yanıt, hedefe yönelmiş bir soru olabilir:

Yapraklardaki lekeleri mi yoksa meyvelerdekini mi kastediyorsunuz? Ayrı bitkilerde mi görünüyor, yoksa tarlanın kenarından mı başlıyor?

Bu soru, karar yolunu olası nedenlerin uzun bir listesinden daha çok iyileştirir. Sistem, neden sorduğunu açıklayabilir:

Belirtilerin dağılımı, olasılıkları ve sonraki güvenli adımı değiştirir; bu yüzden bir test önermeden önce bunu tarif etmenize ihtiyacım var.

Sorunun nedenini açıklamak güveni artırır ve kullanıcının, sistemin işi savsakladığı hissine kapılmasını önler. Nihai yanıttan önceki güvenli adım Bir sistemin teşhis için yeterli bilgisi olmadığında, kullanıcıyı yardımsız bırakması gerekmez. Kanıtı koruyan ve ek zararı önleyen düşük riskli adımlar önerebilir: belirtilerin dağılımını belgelemek, uygun rehberlik altında bir örneği ayırmak, bir işletme kaydını gözden geçirmek, bir cihazı denetlemek ya da yetkili makamla iletişime geçmek gibi.

Bu adımların kendileri de sınırlara muhtaçtır: Sistem, mesleki yetke ya da teşhis gerektiren sağlıkla ilgili ya da kimyasal bir işlemi "geçici bir adım" diye sunmamalıdır.

Zorlu danışmanlık soruları yalnızca daha büyük bir modelle çözülmez. Yapılandırılmış bilgi, yerel bağlam, kaynak yetkesinin bir sıralaması ve çekimser kalma ile yetki yükseltmeye ilişkin politikalar gerektirir. Bu, bir bilgi tabanının; içine PDF dosyalarının atıldığı ve ardından bir modele onları aramasının söylendiği bir klasör olmadığını kabul etmekle başlar.

2. Bilgi Tabanı Bir PDF Klasörü Değildir

Bir kuruluşun yüzlerce broşürü, kılavuzu, afişi ve raporu olabilir ve bunları tek bir klasöre koyarak bir bilgi tabanı kurduğuna inanabilir. Ama bir dosya, yalnızca açılabildiği için getirilebilir bilgiye dönüşmez. Sistemin; onu kimin, ne zaman, hangi ülke ve ürün için yayımladığını, hâlâ yürürlükte olup olmadığını ya da yerine yenisinin geçip geçmediğini ve ne tür bir yetke taşıdığını bilmesi gerekir.

İki paragraf dilsel olarak benzer olabilirken biri ülkedeki resmî bir afişten, öteki ise daha eski genel bir makaleden ya da farklı bir bölgeden gelebilir. Sistem sonuçları yalnızca sözcük benzerliğine göre sıralarsa, okunması en kolay metni, kararı yöneten kaynağın üstüne yerleştirebilir. Her kaynak için kimlik kartı Her belge, içeriği okumadan önce hüküm vermenize yardım eden üstverilere muhtaçtır:

Bu bilgiler idari dipnotlar değildir. Başka bir ülkeden gelen ya da daha eski bir baskıdan alınan bir metnin, uyarı olmaksızın güncel bir yanıta sızmasını önler. Belgeyi, anlamını yırtmadan çözümleyin Erişim, genellikle uzun belgelerin daha küçük birimlere bölünmesini gerektirir. Ama körlemesine parçalama; dozu ürünün adından, istisnayı kuraldan, satırı tablonun başlığından ya da uyarıyı kısıtladığı eylemden ayırabilir.

Belge, anlamsal yapısına göre bölünür:

• Başlık ve yol hiyerarşisi her parçayla birlikte kalır.
• Tablo başlığı, sütun başlıkları ve birimler, getirilen satırla birlikte kalır.
• Dipnot ya da uyarı, düzenlediğiniz pasajla ilişkilendirilir.
• Sayfa ve bölüm numaraları başvuru için saklanır.
• Koşullar ve istisnalar öneriden ayrılmaz.
• Görseller, grafikler ve alternatif metinler süs olarak değil, ilişkili parçalar olarak ele alınır.

Sistem bir tedavi tablosundan bir satır getirir ve ürünün adı, kullanım evresi ya da birim eksik kalırsa, eksik metin hiç getirmemekten daha ağırdır. Kaynak Yetkesi, Her Soru İçin Tek Bir Sıralama Değildir Bütün konularda en üstte duran bir kaynak yoktur. Düzenleyici, yasal tescil bakımından yetkedir; ama tek başına bir bilgisayarlı görü modelinin performansını kanıtlamaz. Denetimli bir çalışma, belirli koşullarda bir ilişkiyi ölçebilir; ama bir ürünün kullanımına izin vermez. Rehberlik broşürü bilgiyi yerel adımlara dönüştürebilir; ama tescil değişirse güncellenmesi gerekebilir.

Bu nedenle kaynak, iddianın türüne göre düzenlenir:

• Tescil soruları ve kısıtlar: yetkili ve geçerli düzenleyici kaynak.
• Ürün kimliği ve onaylanmış kullanım yöntemi: yürürlükteki onaylı ürün etiketi ve ilgili resmî belge.
• Bir deney içindeki etkililik ya da performans: soruya uygun bir ön çalışma.
• Genel ilkeler: bilimsel inceleme ya da yetkeye sahip kurumsal kanıt.
• Yerel uygulama: kapsamı belirtilmiş, nitelikli yerel rehberlik.
• Bir hizmetin ya da programın tanıtımı: hizmet sahibinden gelen malzeme; iddia, bağımsız bir değerlendirme sayılmayıp o sahibe atfedilerek.

Bilgi yalnızca metinden ibaret değildir Bilgi; bir tabloda, sicilde, hava durumu kaydında, haritada, ürün listesinde ya da terim sözlüğünde tutuluyor olabilir. Serbest metin araması sözcükleri bulabilir, ama ilişkileri her zaman korumaz. Sistemin şunları bağlaması gerekir:

Ürün → evre → sorun → ülke → ürün ya da uygulama → kısıtlar → kaynak → geçerlilik bitiş tarihi.

Bu ilişkiler, geçerli bir hükmün ait olduğu kurumun ya da yerin dışında kullanılmasını önler. Ayrıca bilgi tabanına eksiklik sorulabilmesini sağlar: Bu ülke ve ürün için geçerli bir kaynağımız var mı, yok mu? Yerel ve yasal adlar Kullanıcılar, resmî ya da bilimsel bir adla örtüşmeyebilecek, kendi bildikleri terimlerle arama yapar. Bu nedenle dizin, yerel terimleri özgününü silmeden bilimsel ya da yasal adlara bağlar. Her eşleşmenin dilini, bölgesini, bağlamını ve güvenini korur.

Yerel bir ad, farklı riskler taşıyan iki zararlıya ya da maddeye işaret edebiliyorsa, sistem sessizce en yakın eşleşmeyi seçmez. Anlaşılır seçenekler sunar ya da ayırt edici bir özellik ister ve uygun olduğunda bir referans görüntü kullanabilir. Kaynağın yaşam döngüsü Bilgi tabanı sürekli bir işleme muhtaçtır:

1. Kaynağı girin, kimliğini ve haklarını denetleyin.
2. Yetkeye ve kapsama göre sınıflandırma.
3. Yapıyı ve bağlamı koruyarak çözümleyin.
4. Dizinleme için gözden geçirin ve onaylayın.
5. Güncellemeyi, yenisiyle değiştirilmeyi ya da tamamlanmayı izleyin.
6. Değiştiğinde yeniden dizinleyin.
7. Eski sürümü kullanmış yanıtları ya da ürünleri saptayın.
8. Tarihsel etkisini korurken kaynağı geri çekin ya da sırasını düşürün.

Bir kaynağın yerine yenisinin geçtiğini bilmeyen bir bilgi tabanı, eski bir model belleğinden daha kötü olabilir; çünkü eskisine belgelenmiş ve güncel bir görünüm kazandırır.

Kaynaklar bu biçimde düzenlendiğinde, erişimle desteklenmiş üretim sistemi onları kullanabilir. Yol yine de koruyucu önlemler gerektirir: iyi bir erişim, sorumlu bir yanıtın koşuludur; güvencesi değil.

3. Erişimle Desteklenmiş Üretim Yolu

Erişimle desteklenmiş üretim ya da RAG, bir modelin yanıtı kurmadan önce, eğitim sırasında ağırlıklarında biriken şeye yalnızca dayanmak yerine tanımlı ve yönetişimi yapılmış kaynaklarda arama yapmasına olanak verir. Tarımdaki değeri açıktır; çünkü tesciller, onaylı ürün etiketleri, rehberlik, fiyatlar ve hava durumu değişir ve uygulanabilirlik ülkeler ile ürünler arasında farklılaşır.

Bir dil modeline arama motoru eklemek, kendiliğinden güvenilir bir danışman yaratmaz. Depo güncelliğini yitirmişse, belgeler kötü bölümlenmişse ya da sonuçlar yalnızca dilsel benzerliğe göre sıralanıyorsa, model geçersiz kanıttan daha ikna edici bir yanıt üretecektir. Bariyerler olarak yol Sorumlu yol şöyle temsil edilebilir:

Kullanıcı sorusu → niyeti anlama → bağlam toplama → riski sınıflandırma → sorguyu kurma → adayları getirme → yetke ve geçerlilik için süzme → çelişkileri ve eksiksizliği denetleme → kanıtı sıralama → kısıtlı sentez → güvenlik ve orantılılık incelemesi → kaynak, sınırlar ve yetki yükseltmeyle yanıt

Her ok, anlamın kaçırılması ya da bir hataya girilmesi olasılığını temsil eder. Bu nedenle süreç "araştır ve yaz"a indirgenmez. 1\. Soruyu anlamak ve bağlamı kurmak Sistem, kullanıcının söylediğini kendi çıkarsadığından ayırır. Bir kullanıcı "Yapraklarım sarı" diye yazarsa, özgün metni korur ve ardından ürünü, evreyi, dağılımı ve konumu sorar. Kanıt var olmadan sorguya bir teşhis eklemez.

Anladığını yeniden ifade edebilir:

Anladığım kadarıyla bir serada domates yapraklarında sararma görüyorsunuz; üç gün önce başlamış ve ilkin girişe yakın bitkilerde beliriyor. Doğru mu?

Erken düzeltme, bir dizi yanlış erişimin tamamını önlemenize olanak verir. 2\. Erişimden önce risk sınıflandırması Sistem, sorunun eğitici mi olduğunu, teşhise mi ilişkin olduğunu, düzenlemeye tabi bir girdiyi mi ilgilendirdiğini, sağlık ve güvenliği mi ilgilendirdiğini ya da fiziksel bir denetimi mi içerdiğini belirler. Bu sınıflandırma şunları etkiler:

• Kabul edilebilir kaynak türü.
• Gereken bağlam miktarı.
• Alternatiflerin sunulup sunulamayacağı.
• İnsan incelemesine duyulan ihtiyaç.
• Sistemin kurmaktan kaçınması gereken şey.

Bir formda, kullanıcı soruyu genel bir biçimde yazdı diye o soru düşük riskli sayılmamalıdır. "Bu iki ürünü karıştırabilir miyim?" Bir bilgi sorusu gibi görünebilir, ama işletmeye ve düzenlemeye ilişkin sonuçlar doğurur. 3\. Adayları getirme Sistem; görünür terimleri, eş anlamlıları, varlıkları ve bağlamı bir araya getiren bir arama kurar. Anlamsal benzerlik, sözcük araması ve yapılandırılmış ilişkiler kullanılabilir. Ama ilk erişim, yanıt için güvenilir kaynakları değil adayları getirir.

Bir belge, başka bir ürün ya da ülkeyle ilgili olduğu hâlde aynı sözcükleri kullandığı için görünebilir. Bu yüzden süzgeçler üretimden önce gelir. 4\. Yetkeyi ve yetkeyi süzme Sistem şunları denetler:

• Coğrafi yetki alanı.
• Yürürlük ve revizyon tarihi.
• Gerektiğinde ürün, çeşit ve evre.
• Kaynağın türü ve muhatabı.
• Dil ve çeviri durumu.
• Bölümün ve tablo bağlamının eksiksizliği.
• Sunum ve alıntı hakları.
• Bir çelişki ya da daha yeni bir güncelleme var mı.

Kritik bir koşulu sağlamayan bir mastar, salt dilsel benzerliği yüzünden sıralamada yükselmez. 5\. Kanıtın düzenlenmesi Sıralama, birden çok etkeni dengeler:

Bu düzenleme, denetçinin anlamadığı gizli bir sayıya dönüşmez. Bir kaynağın seçilme ve ötekilerin dışarıda bırakılma gerekçeleri, özellikle hassas kararlarda saklanır. 6\. Kanıta bağlı kurgulama Modele; yalnızca getirilen pasajların desteklediği şeyi kullanması, alıntı ya da özeti çıkarımdan ayırması ve boşlukları model belleğinden doldurmaması talimatı verilir. Bir kaynak genel bir kural koyuyor ama ürünü ya da ülkeyi kapsamıyorsa, sistem kuralı kapsanmayan bir vakaya genişletmek yerine bunu belirtir.

Yanıtı birimlerden kurmak yeğlenir:

• Sistemin sorudan anladığı şey.
• Nitelikli kaynakların söylediği şey.
• Eksik olan şey, yani bağlam.
• Şimdi güvenle yapılabilecek şey.
• Sistemin bildiremeyeceği şey.
• Kaynak, tarihi ve kapsamı.
• Yetki yükseltme ya da takip.

7\. Güvenlik ve orantı denetimi Yanıtı görüntülemeden önce sistem, metnin şunları yapıp yapmadığını denetler:

• Bir sayı, doz ya da süre uydurmak.
• Bir iddiayı, onu desteklemeyen bir kaynağa atfetmek.
• Bir koşulu ya da istisnayı gizlemek.
• Birbirine benzer iki ülkeyi ya da ürünü karıştırmak.
• Olasılıksal kanıttan kesin bir teşhis vermek.
• Tükenmiş ya da eksik bir mastarı kullanmak.
• İzin verilen yetke düzeyini aşmak.

Sonucu ağır olan vakalarda bu inceleme salt dilsel değildir; belirlenimci kurallar, biçimsel veri kökeni ve insan incelemesi gerektirebilir. Riske göre hizmet düzeyleri

• Düşük Risk: Bir kavramı açıklar, bir kaydın düzenlenmesine yardım eder ya da uygun bir kamusal kaynak sunar.
• Orta Risk: Olasılıklar ya da alternatifler sunar; bir benzetme, görüntü ya da bağlam ister ve gerçekleşmemiş eyleme geçişi önler.
• Yüksek risk: Soruyu daraltır, uygun resmî kaynağı sunar, yetkesini aşmayan önlemler önerir ve bir uzmana ya da yetkili bir kuruma yetki yükseltir.

Bu ölçeklendirme sistemi daha az yararlı kılmaz; yardımın derecesini, mevcut kanıt ve riskle eşleştirir. Ama en iyi erişim yolu bile güncelliğini yitirmiş bir belgeyi ya da zayıf bir bilgi tabanını onaramaz: var olanı bulabilir, onu geçerli bir kaynağa çeviremez.

4. Erişim, Zayıf Bir Kaynağı Onarmaz

Bir sistem, yanlış belgeden tam da doğru paragrafı getirebilir. Güncelliğini yitirmiş bir yayından, başka bir ülkeden ya da farklı bir ürüne ilişkin bir öneriden sağlam bir metni alıntılayabilir. Bu tür durumlarda mesele, modelin paragrafı anlayıp anlamadığı değil; o paragrafın en başta yanıta girmesi gerekip gerekmediğidir.

Erişim bir kaynağa ulaşmayı hızlandırır, ama kaynağın sahip olmadığı bir yetkeyi, yürürlüğü ya da ilgililiği ona kazandırmaz. Üretim öncesi süzgeçler

Doğru soru için doğru kaynak Bir kullanıcı, tarımsal bir belirtinin ne anlama gelebileceğini soruyorsa, olasılıkları geliştirmek için bilimsel bir inceleme ya da yayım broşürü uygun olabilir. Bir ürünün tescilini ya da kullanımını soruyorsa, sistemin yetkeye sahip bir düzenleyici kaynağa ihtiyacı vardır. Belirli bir ürünün performansını soruyorsa, bağımsız bir etkiyi ortaya koymak için bir şirket duyurusu yetmez.

Profesyonellik, bütün sorularda tek bir resmî kaynağı diğer bütün kaynakların üstüne koymak değil; belirli iddiayı yanıtlama yetkesine sahip kaynak türünü seçmektir. Çelişkiler oylamayla çözülmez Platform iki farklı kaynak getirebilir. Bu, yalnızca sayıca çok olanı ya da en yenisini seçeceğimiz anlamına gelmez. Şunları bilmemiz gerekir:

• Aynı ülkeden mi söz ediyorlar?
• Biri ötekinin güncellemesi mi?
• İki farklı soruyu mu yanıtlıyorlar?
• Ölçüm yöntemleri ya da kategorileri farklı mı?
• Biri bağlayıcı bir kural, öteki genel bir yorum mu?

Çelişki esaslı olmayı sürdürüyorsa, sistem bunu açıkça gösterir ve bir mutabakat uydurmaz. Şöyle diyebilir:

Bu gereklilik konusunda birbiriyle uyuşmayan iki nitelikli kaynak buldum ve çelişkiyi çözen bir güncelleme bulamadım. Karar verilmeden önce yetkili makama danışmak gerekir. Kaynağın yokluğu bir sonuçtur; gizlenecek bir arıza değil Ülke, ürün ya da tarih için geçerli bir resmî kaynak bulunmadığında, mesleki ifade şudur:

Bu ülkede bu öneriyi yapmamı sağlayacak geçerli bir kaynağım yok.

Sistem bunun ardından yalnızca kanıtın sınırları içinde yardım eder:

• Ürünün adını ya da etiketinin bir görüntüsünü ister.
• Danışılması gereken düzenleyici ya da rehberlik kurumunu belirtir.
• Belirtilerin belgelenmesi ya da güvenli bir işleme göre bir örneğin saklanması önerilir.
• Genel bilgiyi yerel talimat olarak değil, genel olarak gösterir.

Buradaki ret, erişimin başarısızlığı değildir; uygun olmayan bir kaynağın yanıta dönüşmesini önleyen bir bariyerin başarısıdır. Envanter incelemesi, model incelemesinden aşağı kalmaz Bilgi ekibinin şu göstergelere ihtiyacı vardır:

• Güncel kaynakların arşivlenmişlere oranı.
• Kapsanmayan ülkeler, ürünler ve diller.
• Yakında geçerliliğini yitirecek belgeler.
• Eksik bir tablo ya da dipnot yüzünden başarısız olan bölümler.
• Nitelikli bir kaynak bulamayan sorular.
• Açık çelişkiler ve onları kimin gözden geçirdiği.
• Daha sonra değişecek bir kaynağa bağlı yanıtlar.

Bu göstergeler, modelin boşluğu tahminle doldurması yerine bilgi boşluğunu bir eylem planına dönüştürür.

Kaynakların tek bir dilde doğru olması yetmez. Rehberlik, farklı dillere, lehçelere ve okuma düzeylerine sahip kullanıcılara ulaşır ve sesli soru gürültülü bir ortamda gelebilir. Böylece çok dilli arayüz, sistemin üstüne konmuş süsleyici bir katman değil, anlamın bütünlüğünün bir parçası hâline gelir.

5. Çok Dilli Arayüz: Bilgiyi Anlamını Değiştirmeden Yakınlaştırmak

Bir çiftçi, resmî bültenlerde bulunmayan yerel bir adı biliyor, bir maddenin adını yazılışından farklı telaffuz ediyor ya da yerel yörede bilinen bir birim kullanıyor olabilir. Bir platform çiftçileri kullanmadıkları bilimsel ya da idari bir dile zorlarsa, doğru bilgi var olduğu hâlde onu bulamayabilirler.

Ama çeviri, sözcükleri sözcüklerle değiştirmek değildir. Ürün adları, çeşitler, zararlılar, hastalıklar, maddeler, birimler ve uyarılar; kararı değiştirebilecek farklılıklar taşır. Yerel ad, bir teşhisten çok bir belirtinin tarifi olabilir ya da iki farklı bölgede birden çok canlıya işaret ediyor olabilir. Dilin üç katmanı Sistem şunları saklayabilir:

1. Kullanıcının dili: Yazıldığı ya da söylendiği biçimiyle sözcük ya da ifade.
2. Referans kavram: Doğrulamadan sonra onunla ilişkilendirilen bilimsel ya da kurumsal varlık.
3. Kaynağın dili: Bilginin içinde yer aldığı metin ve onu çevirme yetkesi.

Bir katman ötekinin yerini almaz. Çiftçi yerel bir ad kullanırsa, ad korunur; sistem önerilen referans kavramı ve güven puanını gösterir ve düzeltmeye izin verir. Belirsizlik eylemi değiştirdiğinde Bir terim, farklı eylemlere götüren iki anlam taşıyorsa, sistem sessizce en yakın sözcüğü seçmemelidir. Şunu sorabilir:

"Beyaz böcek" derken, yaprağı hareket ettirdiğinizde uçuşan küçük böcekleri mi kastediyorsunuz, yoksa yüzeyinde kıpırdamadan duran beyaz bir tabakayı mı?

Seçimi, yeterli kanıt olmadan nihai bir teşhise dönüştürmemek kaydıyla, grafik seçenekler ya da birbirinden ayrı tarifler sunabilir.

Aynısı ürün adları için de geçerlidir. Marka adları aynı olabilirken etkin madde, derişim ve tescil farklı olabilir. Bu yüzden sistem tam adı, etiket görüntüsünü ve ülkeyi ister ve hassas bir eylemi kısaltılmış bir ada ya da olası bir telaffuza dayandırmaz. Bilimsel çeviri ve uyarılar Çeviri, serbestçe yuvarlanmaması gereken öğeleri korumaya muhtaçtır:

• Etkin maddelerin ve tescilli ürünlerin adları.
• Doz, derişim ve alan birimleri.
• Zaman aralıkları ve uyarılar.
• Ürünlerin, zararlıların ve hastalıkların adları.
• Olumsuzluk, istisna ve koşullar.
• Coğrafi yetkeler ve uzmanlıklar.

Birimde ya da olumsuzluk ekinde yapılacak küçük bir hata, çeviriyi tehlikeli kılabilir. Bu yüzden sistem özgün metni saklar; çevrilmiş metnin bir çeviri olduğunu, onu kimin ve ne zaman gözden geçirdiğini gösterir. Düzenlemeye ilişkin ya da hassas bir kararda, özgün parça, onu gözden geçirebilecek olanlar için çevirinin yanında görüntülenebilir. Ses, erişimi genişletir ve yeni hatalar ekler Ses; çalışırken elleri meşgul olan birine ya da yazmaktansa konuşmayı yeğleyen birine uygun olabilir. Ama aksandan, gürültüden, rüzgârdan ve alışılmadık ürün adlarından etkilenen bir konuşma tanıma katmanı ekler.

Yorumlanan metin doğrudan bir karara taşınmaz. Sistem, duyduğunu gösterir:

Şöyle dediğinizi anladım: "Domates, çiçeklenme başlangıcı, alt yapraklarda lekeler." Doğru mu?

Bir maddenin adı, bir sayı ya da bir birim gibi sonucu ağır bir terim için sistem açık onay ister. Ayrıca kullanıcının, iletinin tamamını yeniden kaydetmek yerine terimi seçip düzeltmesine olanak verebilir. Okumaya ve tarla çalışmasına uygun arayüz Ekran kalabalıksa ya da metin uzunsa çok dillilik işe yaramaz. Yanıt katmanlar hâlinde sunulabilir:

• Okunabilecek ya da dinlenebilecek kısa bir özet.
• Sonraki güvenli adım.
• Uyarı, uzak bir kenarda değil, yerindedir.
• Kaynağı ve ayrıntıları görüntüleyecek düğme.
• Sözcüklerin yerini almayan destekleyici resimler ya da simgeler.
• Metni büyütme ve yanıtı çevrimdışı çalışmak üzere saklama imkânı.

Anlam ne yalnızca renge ne de yorumu farklılaşabilecek bir simgeye bağlıdır. Sayılar ve birimler açıkça okunur; yinelenebilir ve yazılı olarak gösterilebilir. Diller arasındaki hakkaniyeti ölçmek Bir dil zayıfsa, ortalama performansın iyi olması yetmez. Her dil ve lehçe için ölçülür:

• Amaç ve varlıkların doğru anlaşılması.
• Ürünlerin, materyallerin ve birimlerin doğru adları.
• Yetkin kaynaklara erişimin kalitesi.
• Çevirinin ve oranın bütünlüğü.
• Doğru ve yanlış çekimser kalma oranı.
• Kullanıcının yanıtı ve sonraki adımı anlaması.

Model bir dili akıcı biçimde konuşabiliyor olsa bile, o dilde veri kökeni kapsamı zayıf olabilir. Sistem, dil üretebilme kabiliyeti ile o dile ve bağlama ilişkin denetimli bilgiye sahip olmak arasındaki farkı açıklığa kavuşturmalıdır.

Başarılı bir çok dilli arayüz, bir sistemin yerli görünmesini sağlamaktan fazlasını yapar; soru ve yanıt diller arasında geçerken anlamı, sınırları ve yetkiyi korur. Belirsizlik sürdüğünde ya da kanıt yetersiz kaldığında sistemin, belirsizlik ve sorumlu çekimserlik için açık bir dile ihtiyacı vardır.

6. Belirsizlik ve Çekimserlik: "Bilmiyorum" Hizmetin Parçası Olduğunda

Dil modelleri, soru eksik ya da kaynak zayıf olduğunda bile eksiksiz bir yanıt kurabilir. Bu kabiliyet açıklamada yararlı, kararda tehlikelidir. Çünkü kendinden emin bir üslup, sistemin ürünü, ülkeyi, teşhisi ya da birimi tahmin ettiğini gizleyebilir.

Belirsizlik tek bir sayı değildir. Şunlardan kaynaklanabilir:

• Sorunun ya da terimin muğlaklığı.
• Tarlaya, evreye ya da yere ilişkin bağlam eksikliği.
• Zayıf görüntü ya da ölçüm.
• Birbiriyle çelişen yetkin kaynaklar.
• Geçerli kaynağın bulunmaması.
• Durumun, modelin deneyiminden uzaklaşması.
• Uzaktan ayrıştırılamayan birden çok nedenin olasılığı.
• Öneriyi engelleyen hukuki ya da düzenleyici bir kısıt.

Belirsizliğin türünü belirlemek, sonraki adımı seçmeye yardımcı olur. Görüntü eksikliği daha iyi ele alınır, ülke bilgisinin yokluğu bir soruyla giderilir, çelişen kaynaklar ise yetkin bir mercii gerektirir; geçerli kanıtın yokluğu ise çekimser kalmayı zorunlu kılabilir. Üç yanıt durumu

Üçüncü durum, talimatlarla dolu bir paragrafın ardından gelen mekanik bir "bir uzmana danışın" ifadesine dönüşmemelidir. Sistem çekimser kalıyorsa, o çekimserliğin önüne kullanıcının uygulayabileceği örtük bir reçete koymamalıdır. Yanıtın içindeki belirsizlik yapısı Sistem şöyle diyebilir:

Bildiğim: Fotoğraf, alt yapraklarda sararma gösteriyor. Bilmediğim: Belirtilerin dağılımına ya da sulama ve gübreleme kaydına sahip değilim; nedeni yalnızca fotoğraftan ayırt edemem. Neden önemli: Olası nedenler farklı eylemler gerektirir ve bazı tedaviler zararı ağırlaştırabilir. Gereken bilgiler: Bitkinin tamamının bir fotoğrafı, belirtilerin dağılımının bir tarifi ve son gübreleme ile sulamanın tarihi. Şimdilik güvenli adım: Teşhis olmadan tedaviden kaçının ve etkilenen konumları belgeleyin. yükseltme: Bozulma hızlı ya da yaygınsa, bir danışmana veya yerel bir uzmana başvurun.

Bu yapı, belirsizliği genel bir uyarı olmaktan çıkarıp üzerine eyleme geçilebilir hâle getirir. Güven, doğru olmak demek değildir Bir sistem, verilerine güçlü bir benzerlik bulduğu için yüksek bir olasılık atayabilir; ama çeşidin, iklimin ya da ürünün farklı olduğunu bilemeyebilir. Bir terimi anladığından emin olabilirken getirdiği kaynak eski olabilir. Bu nedenle güvenin birkaç biçimini birbirinden ayırmak gerekir:

• Soruyu anlamaya duyulan güven.
• Terimi bir varlıkla ilişkilendirmeye duyulan güven.
• Girdinin kalitesine duyulan güven.
• Kaynağın uygunluğuna duyulan güven.
• Yoruma ya da öneriye duyulan güven.

Biri yüksek, diğeri düşük olabilir. Bu, kapsamlı bir güvenlik izlenimi veren yeşil bir şeride indirgenmemelidir. Çekimserliğin eşikleri ve politikaları vardır Çekimser kalmak, modelin ruh hâline bırakılmaz. Şu gibi açık kurallar vardır:

• Geçerli ürün, konsantrasyon, bitki, ülke ve kaynak olmadan doz verilmez.
• Tek bir görüntüden verilen kesin bir teşhis yeterli değildir.
• İki yetkin kaynak çeliştiğinde otomatik öneri verilmez.
• Bir kaynak, coğrafi yetki alanının dışında bir açıklama yapılmadan kullanılmaz.
• Temel ölçüm yitirildiğinde ya da güvenlik sınırı aşıldığında işletme komutu verilmez.
• Hassas bilgiler, kullanıcının yetkisi dışında ifşa edilmez.

Eşikler ayrıca sınanır; böylece sistem ne her şeyi reddedip işe yaramaz hâle gelir, ne de her şeye yanıt verip güvensizleşir. Yükseltme Bir Yoldur, Çıkmaz Sokak Değil İyi bir yükseltme şunları belirler:

• Gereken uzmanın ya da kurumun türü.
• Hangi bilgilerin hazırlanması gerektiği.
• Aciliyet derecesi ve nedeni.
• Yardım almak için güvenli adımlar nelerdir?
• Uzmanın yanıtının vaka kaydına nasıl döneceği.

Sistem, topladığı bağlamı, görüntüleri ve kaynakları aktarmadan kullanıcıyı bir uzmana yönlendirirse, kullanıcı hikâyeyi sıfırdan anlatmak zorunda kalır. Onun onayıyla; sorunun ne olduğunu, nelerin toplandığını ve nelerin hâlâ bilinmediğini açıklayan, paylaşılabilir bir özet oluşturulabilir.

Doğru zamanda çekimser kalan bir sistem kullanıcıyı terk etmez; dilin kanıtın önüne geçmesini engeller ve kullanıcıyı bir sonraki, daha güvenli adıma yönlendirir. Bu ilkelerin değeri, bir fikrin ya da kod bütünleşmesinin varlığının; işletmeden, kanıtlanmış etkililikten ve tarla etkisinden ayrılması gereken program ve proje vakalarında daha da belirginleşir.

7. Akıllı Tarımsal Danışmanlığın Gerçek Dünyadaki Modelleri: Ne Sunuyorlar ve Kanıt Neyi Ortaya Koyuyor?

Aşağıdaki üç uygulama aynı kategoriye ait değildir; eşit olgunluk veya etki düzeyindeymiş izlenimi veren tek bir listede sunulmamalıdır. Farmer.Chat, kullanım verileri ve kapsamı sınırlı bir saha çalışması bulunan, çiftçilerin hâlihazırda kullandığı bir hizmettir. GAIA, tek bir uygulamadan çok, üretken tarımsal danışmanlığın bilimsel ve etik temeller üzerinde nasıl kurulabileceğini araştıran bir araştırma-geliştirme programıdır. Aladdin AgroGenie ise Aladdin ekosistemi içinde yönetişime tabi bir arama ve erişim mimarisidir. Belirli depo kanıtına ve kapsamlı yerel testlere sahiptir; ancak canlı işletime veya saha etkisine uzanan kanıt yolculuğunu henüz tamamlamamıştır.

Bu nedenle karşılaştırma “Hangisi en iyi?” diye sormaz. Daha kesin sorular sorar: Her sistem hangi sorunu çözmeye çalışıyor? Bilgiyi nasıl getiriyor? Ne tür kanıtlar mevcut? Yeteneği nerede bitiyor ve insan muhakemesine duyulan ihtiyaç nerede başlıyor?

Farmer.Chat — Çiftçinin Cebinde Çok Dilli Bir Tarım Danışmanı

Tarladaki bir çiftçi sararmış yapraklara, iştahını kaybetmiş bir hayvana veya yağmuru haber veren bir gökyüzüne bakıyor olabilir. Soru nadiren eksiksiz bir bilim diliyle kurulur. Bir görüntü, yerel ağızla söylenmiş bir söz veya “Bu bitkinin nesi var?” ya da “Bugün sulamalı mıyım?” gibi kısa bir cümle olarak gelebilir. Digital Green tarafından geliştirilen Farmer.Chat, gündelik soru ile zamanında kullanılabilecek tarımsal bilgi arasındaki mesafeyi kısaltmak üzere tasarlanmıştır.

Hizmet, kullanıcıların metin, ses veya görüntü yoluyla soru sormasına izin verir ve yanıtları ürüne, hava koşullarına ve yerel bağlama uyarlamak için konumu kullanır. Beyan edilen konu alanları arasında ürün ve zararlı yönetimi, gübreleme, sulama, hava durumu, hayvancılık ve bazı piyasa bilgileri bulunur. İkinci sürüme ilişkin malzeme, sistemin artık kimi zaman yanıtlamadan önce bir veya iki açıklayıcı soru sorduğunu belirtir. Eksik bir sorudan kesin bir öneri üretmek yerine tarla alanını, konumu veya daha net bir görüntüyü isteyebilir [SRC039][SRC040][SRC041].

Bu önemlidir; çünkü tarımsal bir soru yalnızca sözcüklerle tamamlanmış olmaz. “Mısırı ne zaman ekmeliyim?” sorusu bölgenin, mevsimin, sulama imkânının, çeşidin ve yağış geçmişinin bilinmesini gerektirebilir. Sistem yanıtlamadan önce bu bağlamın ne kadar fazlasını toplayabilirse, dil bakımından sağlam görünen ama söz konusu tarlaya uymayan bir öneri verme riski o kadar azalır.

Digital Green, Temmuz 2026 itibarıyla Farmer.Chat'in altı ülkede ve on altı dilde 1,7 milyondan fazla çiftçiye ulaştığını bildiriyor. Kurum ayrıca, uygulamayı açtıktan sonra gerçek bir soru soran kişilerin oranının ikinci sürümden sonra Hindistan'da %36,6'dan %58,9'a, Kenya'da %37,7'den %55,8'e, Etiyopya'da %45,1'den %60,2'ye ve Nijerya'da %44,8'den %57,4'e yükseldiğini gösteren iç veriler yayımlıyor. Etkin kullanıcı başına ortalama soru sayısı da dört pazarın tamamında artmıştır [SRC041].

Bu rakamlar kullanımı ve etkileşimi ölçer. Tek başlarına teşhisin doğruluğunu, doz güvenliğini veya verim ve gelir üzerindeki etkiyi ölçmezler. “Ulaşılan kişi”, “kullanıcı”, “indirme” ve “etkin kullanıcı” da birbirinin yerine kullanılabilecek terimler değildir. Bu nedenle farklı tarihlerde yayımlanan rakamlar, her göstergenin tanımı, dönemi ve hesaplama yöntemi açık olmadıkça toplanmamalı veya doğrudan karşılaştırılmamalıdır.

Digital Green ile ortaklaşa 60 Decibels tarafından yürütülen bir değerlendirme, saha bakımından daha yararlı kanıt sunuyor. Değerlendirme Kenya'da 450 çiftçiyi kapsadı; katılımcıların %83'ünün bu tür bir tarımsal danışmanlık hizmetini ilk kez kullandığını, %87'sinin ise erişebileceği iyi bir alternatif görmediğini bildirdi. Her on kişiden yedisi, görüşmeden önceki otuz gün içinde bir Farmer.Chat önerisine dayanarak eylemde bulunduğunu söyledi. %61'i “anlamlı kullanıcı” olarak sınıflandırıldı; bu oran 60 Decibels'in daha geniş dijital tarım araçları araştırmasındaki %27'lik Kenya kıyas ölçütüyle karşılaştırıldı [SRC042].

Değerlendirme, kullanıcılara yalnızca yarar görüp görmediklerini sormanın ötesine geçmeye çalıştı. Araştırmacılar her çiftçinin kayda geçmiş son üç sorusunu, görüşmede hatırladığı eylemlerle ilişkilendirdi. Katılımcıların %96'sı en az bir soruyu hatırladı, %66'sı bir yanıta dayanarak eylemde bulunduğunu söyledi; bu grubun %80'i ise kaydedilmiş öneriyle tamamen veya kısmen uyumlu bir eylem tarif etti [SRC042].

Bu, indirme sayısından daha güçlü bir kanıttır; yine de dikkatle yorumlanmalıdır. Çalışma tek bir ülkede yapıldı, büyük ölçüde hatırlamaya ve öz bildirime dayandı ve verimi, kârı, pestisit güvenliğini veya teşhis doğruluğunu ölçen rastgeleleştirilmiş bir tarım deneyi değildi. Çiftçinin eylemi ile öneri arasındaki uyum, önerinin davranışı etkilediğini gösterir; önerinin kendisinin doğru olduğunu zorunlu olarak göstermez. Dikkat çekici biçimde, katılımcıların %99'u sistemin önerilerini güvenilir diye tanımladı. Yüksek güven benimsenmeye yardımcı olabilir; fakat sistemin hatayı saptama, çekimser kalma ve durumu yetkili bir insana aktarma yeteneğinden daha hızlı ilerlerse riske dönüşür.

Projeyle bağlantılı açık kaynaklar, olgunluğunun başka bir boyutunu gösterir. Digital Green, Ağustos 2024 ile Haziran 2026 arasındaki çiftçi soruları ile bunlara üretilen yanıtlardan oluşan yaklaşık 1,45 milyon soru–yanıt çiftini içeren bir veri kümesi yayımladı; adlar, telefon numaraları ve diğer kişisel tanımlayıcılar çıkarıldı [SRC043]. Veri kümesi soru türlerini, ürünleri ve yinelenen konuları incelemek için yararlıdır; fakat kendi başına bir “temel gerçek veri kümesi” değildir. Yanıtları makine tarafından üretilmiştir ve veri kartı, seçimin İngilizceyi tercih eden kullanıcıların başlattığı iletilere dayandığını belirtir. Bu nedenle veri kümesi, sistemin on altı dilin tamamındaki niteliğini tek başına ortaya koyamaz.

OpenAI, Gemma ve Llama modelleri arasında Farmer.Chat istemlerini yönetmek için açık bir kütüphane de yayımlanmıştır. Bu kütüphane; bir yanıtı sınanabilir iddialara ayırma, özgüllük ile ilgiyi değerlendirme, iddiaları referans olgularla karşılaştırma ve çelişkileri saptama araçları içerir [SRC044]. Bu, sistematik değerlendirme yönünde yararlı bir adımdır; ancak depo, tam üretim hizmetinin kodunu değil, istem yönetimi ve test bileşenini temsil eder. Hizmetin eksiksiz iç mimarisi veya nihai güvenlik düzeyi yalnızca bu depodan çıkarılamaz.

Okuryazarlığı sınırlı kullanıcılar için taşıdığı öneme karşın sesli arayüz, sistemin en zorlu halkalarından biri olmayı sürdürüyor. 2026 tarihli bir ön baskı, Hintçe, Telugu dili ve Odia dilindeki 10.934 tarımsal kaydı çeşitli otomatik konuşma tanıma modelleriyle değerlendirdi. Hintçe için en iyi sözcük hata oranı %16,2 iken Odia dilindeki en iyi sonuç %35,1'de kaldı ve yalnızca konuşmacı ayrıştırma ile elde edildi [SRC045]. Bunun pratik anlamı, “ses desteğinin” diller arasında eşit bir yetenek olmadığıdır. Sistem, kaynakları güçlü bir dili kabul edilebilir düzeyde anlayıp kaynakları sınırlı bir dilde pestisit, zararlı veya ölçü biriminin adını yanlış işitebilir. Tarımda tek bir harf maddeyi, dozu veya hastalığı değiştirebilir. Bu nedenle sistem, ne anladığını göstermeli ve bu yorum bir öneriye dönüşmeden önce kullanıcının onu düzeltmesine izin vermelidir.

60 Decibels çalışması ayrıca katılımcı çiftçilerin yaklaşık %10'unun yavaşlık, güncellemeler, görüntü tanıma veya aşırı uzun ya da karmaşık yanıtlar gibi bir sorun yaşadığını bildiriyor [SRC042]. Bu, hizmet hakkında kapsamlı bir hüküm değildir; ancak geç gelen, erişilemeyen bir dille ifade edilen veya sistemin doğru anlamadığı bir görüntüye dayanan “doğru yanıtın” yeterli olmadığını hatırlatır.

Mahremiyet ikincil bir mesele değildir. Digital Green'in politikası; kuruluşun kullanıcı görüntülerini, videolarını, konum verilerini, sohbet robotu etkileşimlerini ve cihaz bilgilerini işleyebileceğini; analiz, sohbet robotu, hava durumu ve zararlı-hastalık teşhisi sağlayıcılarından yararlanabileceğini; verileri sınır ötesine aktarabileceğini belirtir. Politika, kullanıcıların yürürlükteki hukuk uyarınca erişim, düzeltme veya silme talebinde bulunmasına izin verir; ancak her veri türü için tek bir süre vermek yerine saklamayı amaç ve hukuki yükümlülüklere bağlar [SRC046]. Tarımsal bir ortamda görüntü, konum ve soru ilk bakışta görünenden fazlasını açığa çıkarabilir: ürünü, tarlanın durumunu, üretim sezonunu ve belki de sahibinin ekonomik koşullarını.

Farmer.Chat'in başlıca güçlü yönleri:

• Yetersiz hizmet alan bölgelerde bir yayım görevlisinin ziyaretini beklemekten daha hızlı bilgi erişimi sağlayabilir.
• Soruları ses, metin ve görüntü yoluyla kabul eder; okuryazarlık düzeylerinin farklı olduğu yerlerde bu önemlidir.
• Yalnızca İngilizceye veya genel önerilere dayanmak yerine yerel dilleri ve konuma duyarlı bağlamı destekler.
• Yeni sürümü yanıt vermeden önce bazı açıklayıcı bilgiler ister.
• Kendisini yalıtılmış bir dil modeli olarak sunmak yerine yayım ağları ve yerel ortaklarla bağlantı kurar.
• Bazı veri ve değerlendirme araçlarını kamusal araştırma ve incelemeye açmıştır.
• Yalnızca indirme sayılarına veya pazarlama tanıklıklarına değil, ürün ekibinden görece bağımsız bir kullanıcı araştırmasına da sahiptir.

Başlıca sınırlılıklar ve riskler:

• Mevcut kanıt, önerinin doğruluğu veya verim ve gelire etkisinden çok erişim, etkileşim ve bildirilen eylem bakımından güçlüdür.
• Kenya çalışması ülkeler, ürünler veya diller arasında eşit doğruluk göstermez.
• Ağızların ve sözlü tarım terimlerinin tanınması, özellikle kaynakları sınırlı dillerde eşitsiz kalmaktadır.
• Tek bir görüntüden teşhis; ışık, kamera açısı, benzer belirtiler ve eksik toprak ve hava verilerinden etkilenebilir.
• Bazı yanıtlar hedef kullanıcılar için aşırı uzun veya karmaşık olabilir.
• Yüksek kullanıcı güveni, olası bir hatanın sonucunu azaltmaz; büyütür.
• Konum, görüntü ve ses yoluyla kişiselleştirme hizmetin değerini artırırken korunması gereken verilerin hassasiyetini de artırır.
• Otomatik öneri; kritik bir teşhis, pestisit, ilaç veya sağlık ya da hukuk bakımından sonuç doğuran bir doz söz konusu olduğunda veteriner hekimin veya ziraat mühendisinin yerini almamalıdır.

Mevcut kanıt derecesi: Bildirilen erişime sahip işletimsel bir hizmet; coğrafi kapsamı sınırlı bir kullanıcı araştırması ve açık araştırma varlıklarıyla desteklenmektedir. Burada incelenen kaynaklarda, ülkeler ve diller genelinde tarımsal doğruluğa veya verim ve gelir üzerinde sürdürülebilir nedensel etkiye ilişkin yeterli bağımsız kanıt henüz bulunmamaktadır.

Örneğin koruduğu şey: Çok kipli diyaloğun, yerel dilin ve yayım ağlarıyla bağlantının değeri; ayrıca kullanıcıların öneriyi anlayıp anlamadığını ve ona dayanarak eylemde bulunup bulunmadığını ölçmenin önemi.

Çıkarsanamayan şey: Her yanıtın doğru olduğu; tek bir görüntünün teşhis için yeterli olduğu; dil desteğinin bütün dillerde eşdeğer olduğu; ya da daha fazla kullanımın otomatik olarak daha fazla üretim veya kâr anlamına geldiği.

GAIA — Tek Bir Uygulama Değil, Üretken Danışmanlığı Kurma Programı

GAIA adı, Farmer.Chat ile rekabet eden başka bir sohbet robotunu düşündürebilir; fakat bu yorum projenin kapsamını küçültür. Burada GAIA, Gates Foundation ile Birleşik Krallık Dışişleri, İngiliz Milletler Topluluğu ve Kalkınma Bakanlığının desteğiyle; CABI, Digital Green, SCiO ve Florida Üniversitesi ortaklığında IFPRI'nin öncülük ettiği Generative AI for Agriculture Advisory araştırma-geliştirme programını ifade eder. CABI'nin proje sayfası program dönemini Nisan 2024–Mayıs 2027 olarak verir [SRC047][SRC048].

GAIA “Hangi dil modelini kullanalım?” sorusuyla başlamaz. Daha derin bir soruyla başlar: “Üretilmiş tarımsal danışmanlığı doğru, anlaşılır, hakkaniyetli ve hukuken kullanılabilir kılan koşullar nelerdir?” Bu nedenle çalışması bir konuşma arayüzüyle sınırlı değildir. Tarımsal içeriğin hazırlanmasını, lisanslanmasını ve yönetişimini; önerinin nasıl sunulduğunun sınanmasını; model değerlendirme standartlarının geliştirilmesini; toplumsal cinsiyet ve dil yanlılığının incelenmesini; yanıtların hava durumu, uzaktan algılama verileri, görüntüler ve geçmiş kayıtlarla ilişkilendirilmesini kapsar.

CABI ilk aşamada ortakların, uzmanlarca incelenmiş 463 tarımsal belgeyi tanımlı lisans koşulları altında kullanabileceği bir altyapı kurdu. CABI içeriğine dayanan bir prototip Kenya'da muz ve domates, Hindistan'da ise muz ve pirinç konularında sınandı. Testler anonim bir çevrimiçi kitleye yöneltilmedi; katılımcılar arasında yayım görevlileri, “bitki doktorları”, üretici örgütlerinin temsilcileri ve tarım kuruluşları vardı [SRC048][SRC049].

Proje malzemeleri, Kenya'nın Nakuru ve Taita Taveta bölgelerindeki iki çalıştaya kırk kişinin, Hindistan'daki bir çalıştaya ise on üçü kadın kırk bir kişinin katıldığını bildiriyor. Arayüzün kullanılabilirliğini, diyaloğun niteliğini ve yanıtların kullanıcılar tarafından algılanan ilgililiği ile doğruluğunu değerlendirmek için yönlendirilmiş ve açık görevler kullanıldı. Testlerin bir bölümü, modeli eğitim çalıştayından daha az denetimli bir ortamda gözlemek üzere Kenya'daki bitki kliniklerine de taşındı [SRC049].

Proje sayfası, sınayıcıların %90'dan fazlasının aracı düzenli olarak kullanacağını söylediğini bildiriyor [SRC048]. Bu, benimsenme bakımından cesaret verici bir işarettir; fakat tarımsal doğruluğu veya saha etkisini ölçmekle eşdeğer değildir. Kullanma niyeti algısal bir sonuçtur ve yenilikten ya da kullanım kolaylığından etkilenebilir. Sayfadaki özet ayrıca payda, katılımcıların dağılımı, ülkeler ve ürünler arasındaki farklılıklar veya her yanıtı bağımsız biçimde doğrulamak için kullanılan yöntem hakkında yeterli ayrıntı sunmamaktadır.

Nisan 2025–Mayıs 2027 dönemini kapsayan ikinci aşama; güvenilir içeriği genişletmeyi, ortak bir bilgi koleksiyonu kurmayı, model başarımını sınamak için standartlaştırılmış araçlar geliştirmeyi ve hava durumu, uzaktan algılama, görüntüler ve tarihsel kayıtlar gibi canlı ve çok kipli verileri sisteme katmayı amaçlıyor. Kenya, Hindistan ve Etiyopya'da hukuki çözümleme, toplumsal cinsiyete duyarlı araştırma ve daha geniş saha testleri de bu aşamanın kapsamındadır [SRC048].

GAIA'nın önemli katkılarından biri, içerik haklarını danışmanlık güvenliğinin bir parçası olarak ele almasıdır. Doğru tarım bilgisi yoktan var olmaz; bilim insanlarının, yayım uzmanlarının, kurumların ve yerel toplulukların emeğidir. CABI, program kapsamında kullanım haklarını, kaynağa atfı, ticari kullanım sınırlarını ve özgün fikrî mülkiyetin korunmasını belirleyen örnek bir yapay zekâ içerik lisansı geliştirdi [SRC050][SRC051]. Bu, üretken sistemlerde yinelenen bir sorunu ele alır: Yanıt ücretsiz görünebilir, oysa sahibine rıza, atıf veya yarar hakkı tanınmamış içerik üzerine kurulmuş olabilir.

Yönetişim riski kendiliğinden ortadan kaldırmaz. Programın risk ve etik raporu; verinin yetersiz temsilini, modelin opaklığını, mahremiyeti, sistem geliştiricileri ile bilgi sahipleri arasındaki güç dengesizliklerini ve geleneksel bilginin marjinalleştirilmesi olasılığını kaygı alanları olarak tanımlar. Raporun kendisi iç incelemeden geçmiş gri literatür olarak sınıflandırılmıştır ve hâlen geliştirilmekte olan bir etik aracına temel sağlar. Bu nedenle her riskin çözüldüğünü gösteren dış sertifika olarak değil, önemli bir çerçeve olarak değerlendirilmelidir [SRC052].

GAIA'nın başlıca güçlü yönleri:

• Üretken danışmanlığı yalnızca bir konuşma arayüzü olarak değil; bilgiyi, teknolojiyi, lisanslamayı ve değerlendirmeyi birleştiren kurumsal bir sistem olarak ele alır.
• Yalnızca modelin genel bilgisine dayanmak yerine seçilmiş ve incelenmiş tarımsal içerik kullanır.
• Yayım görevlilerini, bitki doktorlarını ve kullanıcıları tasarım ve test sürecine katar.
• Değerlendirme hedefleri arasına doğruluğu, yerel ilgililiği, atfı ve toplumsal cinsiyet hakkaniyetini alır.
• Birden fazla uygulama veya kuruluşa hizmet edebilecek standartlaştırılmış araçlar üzerinde çalışır.
• Bilimsel içeriğin haklar ve maliyetler taşıdığını kabul eder; erişim ile kaynağın korunmasını dengeleyen bir lisans modeli arar.
• Hava durumu, görüntü ve uzaktan algılama verilerini bütünleştirmeyi planlar; bu, yanıtı tarlanın yerine ve zamanına daha sıkı bağlayabilir.

Başlıca sınırlılıklar ve riskler:

• GAIA, tek biçimli bir uygulama olarak değerlendirilebilecek tamamlanmış bir ürün değil, bir araştırma-geliştirme programıdır.
• Bugüne kadar yayımlanan sonuçların çoğu, verim veya gelir üzerindeki uzun vadeli etkiden çok prototipler, kabul ve yönetişimle ilgilidir.
• İlk testler sınırlı sayıda ülke, ürün ve katılımcıya odaklanmıştır; katılımcıların çoğu bütün çiftçileri temsil eden bir örneklemden ziyade yayım personeli veya uzmandır.
• Aracı kullanmaya istekli olmak ilk kabulü gösterir; teşhis doğruluğunu veya öneri güvenliğini değil.
• Canlı ve çok kipli verilerin geniş ölçekte bütünleştirilmesi ile standartlaştırılmış kıyaslama araçları dâhil bazı ileri yetenekler, tamamlanmış sonuçlar değil ikinci aşama hedefleridir.
• Güvenilir içeriği genişletmek; düzenleme, inceleme, lisanslama ve güncelleme için sürekli maliyet doğurur.
• Kurumsal içeriğe aşırı dayanmak, yerel bilgiyi kabul edecek, ona atıf verecek ve onu inceleyecek adil bir mekanizma bulunmazsa geçerli yerel bilgiyi marjinalleştirebilir.
• İyi yönetişim güvenliği artırır; fakat zaman, maliyet ve karmaşıklık da getirir. Sürdürülebilir finansman olmazsa araçlar deneysel kalabilir.

Mevcut kanıt derecesi: Belgelenmiş prototipleri, kullanıcı testleri, yönetişim çalışmaları ve lisanslama araçları bulunan çok ortaklı bir araştırma programı; ikinci aşamanın daha geniş sonuçları ve karşılaştırmalı tarımsal etki ise hâlâ geliştirme ve değerlendirme sürecindedir.

Örneğin koruduğu şey: Sorumlu bir tarım danışmanı yalnızca modelden değil; nitelikli içerikten, lisanslamadan, atıftan, testten ve yayım uzmanlarıyla çiftçilerin katılımından kurulur.

Çıkarsanamayan şey: GAIA'nın tamamlanmış ticari bir ürün olduğu; prototipinin her ürün ve ülkeye uygun olduğu; ya da bildirilen kabulün yanıtların doğruluğunu veya verim ve gelirde iyileşmeyi kanıtladığı.

Aladdin AgroGenie — Aladdin Ekosisteminde Kanıt Aracılı Tarımsal Arama

Çiftçinin sorusu nadiren yapılandırılmış bir sorgudur. Birisi “Bu hafta ne kadar sulamalıyım?” diye sorduğunda bağlantı listesi istemez. Hava değişir veya toprak farklı çıkarsa gözden geçirmeye imkân verecek kaynak, tarih ve bağlamla birlikte, eyleme dönüştürebileceği bilgi ister. Oysa tarımsal bilgi istatistik tabloları, sözlük maddeleri, yayım bültenleri, teknik belgeler ve yerel kayıtlara dağılmıştır; bu kaynaklar her zaman aynı adları, birimleri veya ilişkileri kullanmaz.

Aladdin AgroGenie, bu boşluğu her şeyi bilen genel bir dil modeli olarak değil, Aladdin ekosistemi içinde yönetişime tabi bir arama ve erişim katmanı olarak ele almaya çalışır. Güncel paket kendisini v4.2-developed olarak tanımlar ve dilin saptanmasıyla, sayıların, birimlerin ve terimlerin normalleştirilmesiyle başlayan bir yol tarif eder. Yol, tarımsal niyetin tanınması ve ürün, ölçüt ve konum adlarının kararlı tanımlayıcılara bağlanmasıyla sürer; ardından AgriStat verileri, tarım sözlüğü ve Chat V2'ye bağlı RAG yolu dâhil yönetişime tabi kaynaklarda arama yapmak üzere birleşik bir sorgu kurulur [IMP13].

Örneğin Arapça konuşan bir kullanıcı “إنتاج البطاطا في تركيا عام ٢٠٢٤” (“2024 yılında Türkiye'de patates üretimi”) yazarsa sistem yalnızca sözel benzerliğe dayanmamalıdır. Sayıları normalleştirmeli, “البطاطا” ve “البطاطس” gibi bölgesel değişkeleri amaçlanan varlığa bağlamalı, üretimi alan veya verimden ayırmalı ve ülke, yıl ile birimi korumalıdır. Erişimin ardından sonuçlar onay, yayın durumu ve veri kökeni kontrollerinden geçer. Sonra bir kanıt parmak izi oluşturulur ve yanıt kullanıcının dilinde biçimlendirilmeden önce sonuçlar sıralanır.

Paket testlerinde on dili destekler: Arapça, Türkçe, İngilizce, Endonezce, Malayca, Çince, Fransızca, İspanyolca, Urduca ve Farsça. Niyet çıkarımı mümkün olduğunda belirlenimci kurallarla başlar; yalnızca gerektiğinde yapay zekâya başvurur. Yapay zekâ gerektiğinde işlem AiBridge üzerinden geçer; bu bileşen kullanılamıyorsa ya da boş veya doğrulanamayan bir sonuç döndürürse sonuç reddedilir. Dizinleme katmanı da onaylanmamış veya yayımlanmamış kayıtların kamusal arama sonuçlarına ya da Chat V2 bağlamına girmesini önler [IMP13].

Mimari üç geçiş kipini destekler:

• Gölge kipi: AgroGenie karşılaştırma ve gözlem amacıyla arka planda çalışırken kullanıcı eski yanıtı görmeye devam eder.
• Vekâlet kipi: AgroGenie birincil yol hâline gelir; tanımlı kurallar altında başarısız olduğunda önceki yola korumalı dönüş yapılır.
• Zorlama kipi: Yönetişime tabi yol tek yol hâline gelir; kaynak yoksa veya doğrulama başarısız olursa sistem, yanıtı tahminle tamamlamak yerine “kaynak kullanılamıyor” sonucunu döndürür.

Bu ilerleyiş küçük bir işletim ayrıntısı değildir. Kararları etkileyebilecek bir sistemi ölçülebilir ve geri alınabilir aşamalarla devreye sokma yöntemidir. Gölge kipi, kullanıcıları bu farklara maruz bırakmadan farklılıkları görünür kılar; vekâlet kipi güvenlik ağıyla kararlılığı sınar; zorlama kipi ise daha az yönetişilen bir yola sessiz dönüşü engeller.

18 Eylül 2026'da güncel pakette bulunan testler PHP 8.5.6 kullanılarak doğrudan çalıştırıldı. Prototip testi on dili, farklı ifade biçimlerini, yazım yanlışlarını ve enjeksiyon, veri kökeni, dil incelemesi ile AiBridge başarısızlığı kapılarını kapsayan 104 sorguyu geçti. Yalıtılmış çalışma testi 149 denetimi, Dokuzuncu Aşama kapıları 196 denetimi ve sınır koruyucusu 33 denetimi; başarısızlık veya atlama olmaksızın geçti. Dokuzuncu Aşama testi alt testleri çağırdığı için bu denetimlerin bazıları örtüşür; dolayısıyla rakamlar toplanıp tek bir bağımsız test sayısı olarak sunulmamalıdır [IMP13].

Bu sonuç, eski metindeki sınırlılığın nasıl tanımlanması gerektiğini değiştirir. Önceki Koot-EL-Kuloob-2.1.39 paketinde AgroGenie testleri, gerekli iki önbellek dosyası eksik olduğu için durdu. Aynı durma güncel v4.2-developed paketinde yinelenmedi ve yukarıda açıklanan dört test grubunun tamamı başarıyla sonuçlandı. Bu, kusurun tarihsel paketin kendi içinde giderildiği anlamına gelmez; eski hükmün değişmeden güncel sürüme taşınamayacağı anlamına gelir.

Bununla birlikte bu testler üretim ortamında çalışmaya eşdeğer değildir. Proje belgelerinin kendisi; gerçek WordPress veri tabanı sorgularının, AiBridge üzerinden canlı sağlayıcı bağlantısının, Action Scheduler işleyişinin, tarayıcı ve arayüz davranışının ve yüz bin ya da bir milyon kayıtlık yüklerin sınanmasının canlı bir WordPress ortamına ertelendiğini belirtir. Denetim raporu durumu kesin biçimde ifade eder: kodun yerel doğrulaması tamamlanmıştır; fakat canlı veri tabanı ve tarayıcı kanıtı henüz doğrulanmamıştır. İşletim kanıtını tamamlamak için hazırlık ortamına dağıtım önerilmektedir [IMP13].

aladdin_agrogenie_enabled kapısı da öntanımlı olarak kapalı kalır; başka bir kip belirtilmezse işletim kipi shadow değerine döner. Bu nedenle kodun ve testlerin varlığı, AgroGenie'nin her ürün kurulumunda etkin olduğunu veya kullanıcının gördüğü yanıtı değiştirdiğini göstermez.

AgroGenie'nin başlıca güçlü yönleri:

• Sorunun anlaşılmasını, kanıtın getirilmesinden ve yanıtın biçimlendirilmesinden ayırır.
• Yalnızca birebir sözcük eşleştirmeye dayanmak yerine yerel terimleri kararlı tanımlayıcılara bağlar.
• Onaylanmış ve yayımlanmış kaynaklardan bilgi getirir; hazırlama ya da karantina aşamasındaki verilerin kullanıcıya ulaşmasını önler.
• Kaynağı ve kanıt parmak izini sonuçla birlikte koruyarak incelemeyi ve yeniden kurmayı destekler.
• Yapay zekâyı, dış bir sağlayıcıya yönetişimsiz bir yoldan bağlanmak yerine AiBridge üzerinden kullanır.
• Sonuç doğuran bir yola doğrudan geçmek yerine gözlemden vekâlete, ardından zorlamaya ilerler.
• Zorlama kipinde kaynak bulunmadığında, eksik bilgiyi kendinden emin bir yanıta dönüştürmek yerine güvenli biçimde kapanır.
• Chat V2'ye gönderilen kanıt miktarını sınırlandırarak bağlam şişmesini ve kaynakların birbirine karışmasını azaltır.
• Güncel pakette dil, yönetişim, bütünleşme ve bileşen sınırlarına ilişkin yerel testleri geçmiştir.

Başlıca sınırlılıklar ve riskler:

• Güncel proje hâlâ bir geliştirme sürümü olarak etiketlenmektedir; tamamlanmış kamusal bir hizmetin kanıtı değildir.
• Güncel testler yerel ve yalıtılmıştır; bazıları canlı WordPress veri tabanı ve hizmetleri yerine test ikizleri ile sınıf yapısı üzerinde yansıtma kullanır.
• Büyük bir veri tabanındaki gerçek başarım, yük altında yanıt süresi ve tarayıcı davranışı henüz ortaya konmamıştır.
• Bu inceleme, AiBridge üzerinden bir yapay zekâ sağlayıcısına canlı bağlantıyı sınamamıştır.
• Test matrisinde on dilin desteklenmesi, ağızların, kırsal terminolojinin veya sahadaki konuşma hatalarının anlaşıldığını tek başına kanıtlamaz.
• Sistem, onaylı içeriğinden daha iyi olamaz. Sözlük veya istatistik kaydı eksik ya da güncelliğini yitirmişse yönetişim tahmini önleyebilir, fakat eksik bilgiyi yaratamaz.
• Güvenli biçimde kapanmak kullanıcıyı desteksiz yanıttan korur; ancak erişilebilirliği azaltabilir. Buna karşılık vekâlet kipindeki yedek yol erişilebilirliği artırırken eski sistemin özelliklerini ve sınırlılıklarını yeniden devreye sokar.
• Düzeltilmesi gereken bir belge tutarsızlığı vardır: README, Dokuzuncu Aşama testini hâlâ 150 denetim içeriyor diye tanımlarken güncel çalıştırma 196 denetim yürütmüştür. Bu, başarılı sonucu değiştirmez; ancak yayın öncesinde belgelemenin paketle eşzamanlanması gerektiğini gösterir.
• AgroGenie'nin çiftçi kararlarını, verimi veya kârı iyileştirdiğini gösteren bir saha çalışması henüz yoktur.

Mevcut kanıt derecesi: Arama, dil, yönetişim ve bütünleşmeye ilişkin doğrudan yerel testlerden geçmiş ileri düzey bir depo uygulaması; fakat canlı WordPress ortamından, tarayıcı ve yük testlerinden ve gerçek kullanıcılarla saha değerlendirmesinden gelecek kanıta hâlâ ihtiyaç duyar.

Örneğin koruduğu şey: Yakın metni bulmaktan fazlasını yapan bir tarımsal arama modeli. Soruyu varlığa, ölçüte ve kaynağa bağlar; yanıtın bulunmamasıyla yanıt üretme iznini birbirinden ayırır; hizmeti gözlenebilir ve geri alınabilir kiplerle kademeli olarak devreye sokar.

Çıkarsanamayan şey: AgroGenie'nin her kurulumda etkin olduğu; canlı üretim testlerinden geçtiği; başarımının on dilin tamamında eşit olduğu; ya da başarılı yazılım testlerinin sahada tarımsal veya ekonomik etkiyi gösterdiği.

Üç Vaka Bize Ne Öğretiyor?

Bu üç vaka birlikte üç tamamlayıcı olgunluk katmanını görünür kılar. Farmer.Chat, bir hizmetin çiftçilere kendi dillerinde ve onlara uygun bir araçla nasıl ulaşabileceğini gösterir. GAIA, danışmanlık kalitesinin konuşmadan önce; içerik seçimi, lisanslama ve yanlılık değerlendirmesiyle başladığını gösterir. AgroGenie ise yanıtın kaynağından kopmasını önlemek üzere bir arama katmanının nasıl kurulabileceğini gösterir.

Yine de üçü de tek bir kurala bağlıdır: tarımsal danışmanın değeri konuşmasının akıcılığıyla değil; bağlamı anlama, kaynaklarını açıklama, güveninin sınırlarını belirtme, yeterli kanıt bulunmadığında çekimser kalma ve hatanın sonucu sistemin taşıyabileceğini aştığında kararı bir insana aktarma yeteneğiyle ölçülür.

8. Bellek ve Kişiselleştirme: Kısıta Dönüşmeden Yardım Eden Bağlam

Çiftçi her konuşmada ürünün, tarlanın, evrenin ve sulama sisteminin adını tekrarlamak zorunda kalıyorsa, hizmet hantallaşır. Bellek, soruyu kısaltıp yanıtı daha yerinde kılabilir: Kastedilen tarlayı bilir, önceki işlemleri hatırlar ve durumu kullanıcının bir hafta önce kaydettiğiyle karşılaştırır.

Ama bellek mutlak bir iyilik değildir. Yanlış bir bilgi parçasını kaydedebilir, iki mevsimi birbirine karıştırabilir, bir tarlanın bağlamını bir başkasına taşıyabilir, hassas bir konuşmayı ifşa edebilir ya da kullanıcının onay vermediği verileri eğitimde kullanabilir. Farklı bellek türleri Ayrılmaları gerekenler:

Bu türlerin karıştırılması, "sistem hatırlıyor" ifadesini muğlaklaştırır. Kullanıcının; neyin, nerede, ne kadar süreyle kaydedildiğini, kimin gördüğünü ve nasıl silineceğini ya da düzeltileceğini bilmesi gerekir. Kullanıcı belleği hakikatin kaynağı değildir Bir kullanıcı önceki bir oturumda ürününün domates olduğunu söylediyse, sistem gelecekteki her sorunun aynı tarlaya ya da mevsime ilişkin olduğunu varsaymamalıdır. Kullanıcı yeni bir mevsime başlıyor, başka bir tarlayı soruyor ya da bir başkasının sorusunu aktarıyor olabilir.

Önemli alanlar, yanıtın ya da sorunun başında görünür:

Bu mevsimin kaydına dayanarak, çiçeklenme evresindeki 7 numaralı tarla domatesini sorduğunuzu varsayıyorum. Bu bağlamı kullanıyor muyum?

Bu teyit, belleğin erişimi uygunsuz kaynaklara yöneltmesinden önce düzeltilmesine imkân verir.

Belgelenmiş kayıtlara da eskimiş dilsel özete göre öncelik verilir. Mevsim kaydında ürün değişirse, konuşma önceki bir ifadeye takılı kalmaz. Etkiyi korurken düzeltme Kullanıcı önemli bilgileri görebilir ve düzenleyebilir. Ekim tarihi ya da çeşidin adı düzeltilirse; değişiklik, nedeni ve yürürlük tarihi korunur, çünkü bu düzeltme önceki önerileri ya da evre hesabını etkileyebilir.

Bellek, kullanıcının içinde ne olduğunu bilmediği uzun ve esrarengiz bir metne dönüşmez. Anlaşılır alanlar hâlinde gösterilir: Tarla, ürün, mevsim, dil, birim ve onay; düzeltme ya da silme düğmesiyle birlikte. Kaydedileni azaltın Kişiselleştirme her sözcüğün ezberlenmesini gerektirmez. Amaca hizmet eden asgari düzeyde tutabilir, hassas ayrıntıları kaldırabilir ya da kısa tutabilirsiniz. Bir sorunun bir uzmana yükseltildiğini belirtmek, takip için gerekli olmayan kişisel bir tarifi ezberlemeden yeterli olabilir.

Politika şunları belirler:

• Neyin kendiliğinden kaydedildiği ve neyin onay gerektirdiği.
• Her tür için saklama süresi.
• Kimin erişimi olduğu.
• Çözümlemeye ya da eğitime dâhil edilip edilmediği.
• Nasıl dışa aktarılacağı ya da silineceği.
• Türevlere ve yedeklere ne olacağı.

Kişiselleştirme, ince ayrımcılığı meşrulaştırmaz Sistem; hizmeti özelleştirmek için mülkiyet türünü, konumu ya da ödeme gücünü kullanabilir. Bu açık ve faydayla ilişkili olmalı; bir kategori için rehberliğin kalitesini düşürmemeli ya da kullanıcının anlamadığı biçimde ürünlere yönlendirmemelidir. Belleğin eski hataları geri getirip getirmediği ya da kullanıcıyı sistemin varsaydığı bir örüntünün içine hapsedip etmediği de denetlenmelidir.

İyi bir bellek; bağlamı görünür ve düzeltilebilir kılar, doğrulanmış çiftlik kaydını konuşma özetinden ayırır ve gerektiği kadar azını hatırlar. Ne var ki bu, ortaya çıkan yanıtın sağlam olduğunu kanıtlamaz. Bu nedenle bir danışman; erişim ve ifadeden başlayıp güvenliğe ve gerçek dünyadaki eyleme dek değerlendirilmelidir.

9. Değerlendirme: Metin Kalitesinden Karar Kalitesine

Bir sistem açık ve hatasız bir yanıt yazabilir, ama bunu ülke için geçerli olmayan bir kaynağa dayandırabilir. Geçerli bir kaynağa atıfta bulunup belirleyici bir istisnayı yanıttan çıkarabilir. Güvenli biçimde çekimser kalabilir, ama kullanıcıyı bir sonraki adım konusunda kararsız bırakan bir dille. Bu nedenle üslubu ya da bir model yanıta benzerliği değerlendirmek yeterli değildir.

[SRC003][SRC010] incelemeleri, karar destek uygulamalarının ve erişim önündeki engellerin genel bir haritasını destekler; ama belirli bir danışmanın değerlendirilmesi, erişim kalitesini, metnin geçerliliğini ve bütünlüğünü kullanıcının anlayışına ve ortaya çıkan eyleme bağlayan testler gerektirir. Dört değerlendirme katmanı

Bir sınıf, diğerinin başarısızlığını telafi etmez. Mükemmel bir erişim, yanlış ifadeyle geçerli bir yanıt üretmez; kaynaksız temkinli bir yanıt doğrulanabilirliği sağlamaz; kullanıcının anlamadığı geçerli bir metin de rehberlik olarak işlemez. Erişim değerlendirmesi Öngörülebilir kaynakları ve açık yetki dereceleri olan sorular kurulur, sonra incelenir:

• İlgili kaynak ilk sonuçlarda göründü mü?
• Eski kaynak ya da ülke dışındaki kaynak dışarıda bırakıldı mı?
• Tablo başlığı, birimler ve uyarılar sınıfla birlikte getirildi mi?
• Sistem istisnayı buldu mu, yoksa yalnızca genel kuralı mı getirdi?
• Sistem boşluğu doldurmak yerine kaynağın yokluğunu açıkladı mı?
• Doğru dili ve sürümü korudu mu?

Bir pasaj aynı sözcükleri içerse bile erişim başarısız olabilir; çünkü o pasajın yanıt verme yetkisi yoktur. Yanıtı ve oranı değerlendirme Uzmanlar yanıtı ve dayandığı kaynakları okur ve şunları sorar:

• Her önemli iddia, atıf yapılan belgeyle destekleniyor mu?
• Biçim, var olmayan bir sayı ya da koşul ekledi mi?
• Kaynağın alanı, ülkesi ve tarihi taşındı mı?
• Olasılık ile teşhis arasındaki fark korundu mu?
• Uyarı, kısıtladığı eylemin yanında görünüyor mu?
• Dil, düzleştirerek çarpıtmadan hedef kullanıcı için anlaşılır mı?
• Yanıt, tarla durumunun gerektirdiğinden uzun mu?

Kalite, yanıtın uzunluğuyla ölçülmez. Açıklayıcı bir soru ve bir kaynak içeren üç satır, yanlış bir varsayım üzerine kurulan koca bir sayfadan daha iyi olabilir. Güvenlik ve çekimserlik değerlendirmesi Test kümesinin, sistemi sınırlarının ötesine itmeye çalışan örneklere ihtiyacı vardır:

• Ülke ya da tam ürün bilgisi olmadan doz sorusu.
• Gereken yetki alanında ruhsatlı olmayan bir ürün.
• İki farklı nedenden ötürü birbirine benzeyen iki fotoğraf.
• Eski bir mastarın mevcut mastardan daha açık olması.
• Bir belgenin içinde, bilgi sunmak yerine modeli etkilemeye çalışan talimatlar.
• Kullanıcının, mevcut onaylı ürün etiketini atlamayı ya da bir kullanımı gizlemeyi istemesi.
• Sevk gerektiren bir hayvan sağlığı ya da gıda güvenilirliği durumu.
• İşletme denetimi sorusunda temel ölçümün eksik olması.

İki tür hata ölçülür:

• Çekimserlik başarısızlığı: Sistem durması ya da yükseltmesi gerekirken yanıt verdi.
• Aşırı çekimserlik: Güvenli ve yararlı biçimde yanıtlanabilecek bir soruyu reddetmek.

Amaç, susan bir sistem değil; sınırlarını doğru yere koyan bir sistemdir. Laboratuvar testinden kullanıcıya Uzman incelemesi tek başına, kullanıcının yanıtı anladığını kanıtlamaz. Şunlar sınanabilir:

• Kullanıcılar, sistemin sorularından ne anladığını biliyor muydu?
• Kaynağı ve tarihini belirleyebildiler mi?
• Güvenli bir adımı teşhis ya da reçeteden ayırt edebildiler mi?
• Sistemin hangi bilgiden yoksun olduğunu biliyorlar mıydı?
• Yanlış bir bağlamı düzeltebildiler mi?
• Vakanın kime yükseltilmesi gerektiğini biliyorlar mıydı?
• Amaçlanan eylemi gerçekleştirdiler mi, yoksa başka bir şey mi anladılar?

Değerlendirmenin, yalnızca bir memnuniyet anketine değil, işin gidişatını gözlemeye ihtiyacı olabilir. Kullanıcı yanıtın hızını beğenebilir, ama metnin amaçladığından başka bir eylemi gerçekleştirebilir. Gerçekçi test kümesi Akıcı bir dille yazılmış temiz sorular yetmez. Küme şunları içerir:

• Kısa ve muğlak sorular.
• Yazım hataları ve yerel adlar.
• Gürültü ve şive içeren sesli mesajlar.
• Eksik ya da düşük kaliteli görüntüler.
• Birden çok tarlayı ya da mevsimi karıştıran sorular.
• Çelişen ya da güncelliğini yitirmiş kaynaklar.
• Eksik veriler ve muğlak birimler.
• Yanıtı iki ülke arasında değişen bir soru.
• Çarpıtılmış ifadelerle engellenmiş bir yanıtı elde etme girişimleri.
• Yeterli kaynağı bulunmayan vakalar.

Her vakanın dâhil edilme nedeni ve sınadığı risk korunur; böylece küme, kapsamı bilinmeyen bir soru listesine dönüşmez. Diller ve gruplar arasındaki eşitsizlikler Sistem, kaynağı ve eğitimi en fazla olan dilde başarılı olurken; yerel dilde, lehçede ya da okuma düzeyi düşük bir kullanıcının sesinde gerileyebilir. Bu, genel bir ortalamanın içinde gizlenmemelidir.

Her dil için şunlar gösterilir:

• Amacı ve varlıkları anlama.
• Uygun kaynağı getirme.
• Terimlerin ve birimlerin doğruluğu.
• Uydurma ve çekimserlik oranı.
• Başarılı yükseltme.
• Kullanıcının anlaması.

Dijital deneyimi farklı kullanıcılar arasındaki, güvenilir ile kesintili bağlantı arasındaki ve arazi mülkiyeti türleri arasındaki farklar da incelenmelidir. Bir hizmet yalnızca uzun ve yapılandırılmış bir soru yazan biri için iyi çalışıyorsa, tasarlandığı danışmanlık gerçekliğine karşılık vermiyor demektir. Devreye alma sonrası izleme Değerlendirme, bir sistem başlatıldığında sona ermez. Kaynaklar değişir, yeni sorular doğar; model, dizin ya da çeviri değişir. Sürekli izleme şunları kapsar:

• Kaynak bulamayan sorular.
• Hâlâ yanıt sağlayan eski kaynaklar.
• Dile ve konuya göre yükseltme ve çekimserlik oranları.
• Uzman düzeltmeleri ve kullanıcı şikâyetleri.
• Önerinin yanlış anlaşıldığı vakalar.
• Güncellemeden sonra değişen performans.
• Kazalar, zararlar ve ramak kala olaylar.

Hangi modelin, dizinin ve bilgi tabanının her hassas yanıtı ürettiğini bilmenizi sağlayan bir sürüm kaydı tutulur. Bir hata ortaya çıkarsa, etkilenen yanıtlar belirlenip yeniden değerlendirilebilir. Başarı, karar yolunun kalitesidir Başarı, kullanıcı memnuniyetine ya da konuşma sayısına indirgenmez. Bir sistem; güvensiz bir reçeteyi engellediği için, bir uzmana ulaşma süresini kısalttığı için ya da ziyareti daha yararlı kılan bir bağlam topladığı için başarılı olabilir. Bilgi tabanının belirli bir alanı kapsamadığının erkenden fark edilmesinde de fayda olabilir.

Ne var ki ağ zayıfladığında bir danışmanın kalitesi kökten değişebilir. Her bariyer ve kaynak, sürekli bağlantı varsayımıyla tasarlanmışsa, koruma tam da çiftçinin ona en çok ihtiyaç duyduğu yerde ortadan kalkabilir. Bu nedenle kesintili bağlantı, tasarımın ve testin bir parçası olmalıdır.

10. Kesintili Bağlantı İçin Tasarım

Bir kullanıcı sorusunu kapsama alanı olmayan bir tarlada sormaya başlayabilir, fotoğraflar çekebilir ve ardından saatler sonra ağa kavuşabilir. Metin mesajları çalışabilir ama görüntü yüklenmeyebilir ya da büyük bir belgeyi indirmek için bağlantı çok pahalı olabilir. Sistem bu durumları ender görülen aksaklıklar olarak ele alırsa, en iyi bağlantıya sahip ortamlara hizmet eder ve bağlantısı zayıf ortamlarda zarar görür. "Çevrimdışı" adında tek bir kip yoktur. Hizmet şöyle olabilir:

• Tamamen bağlantılı olup her adım için buluta ihtiyaç duyar.
• Saklanmış kaynakları ve bazı güvenlik kurallarını yerel olarak gösterebilir.
• Soruyu ve görüntüleri kaydedip daha sonra gönderebilir.
• Yerel bir dizinde sınırlı bir arama yapabilir.
• Belirli görevler için yerel bir model çalıştırabilir.
• Kayıt ya da güncel fiyat gibi değişen bilgileri denetleyemez.

Kapsam doğru biçimde betimlenmelidir. Sistem yalnızca kaydedilmiş sayfaları açabiliyorsa "çevrimdışı çalışır" ifadesi yetmez; taslak kaydetmeyi desteklemek de cihazda eksiksiz bir danışman bulunduğu anlamına gelmez. Yerel olarak neler saklanabilir? Cihaza, risklere ve haklara bağlı olarak şunları tutabilirsiniz:

• Sık değişmeyen temel güvenlik kuralları.
• Son güncelleme tarihiyle birlikte seçilmiş yerel kapsamlı kaynaklar.
• Ürünlerin, terimlerin ve birimlerin sözlüğü.
• Görev için gerekli çiftlik dosyası ve tarlalar.
• Girdi ve denetim formları.
• Küçük bir arama dizini.
• Kullanıcının rızasıyla eşitlenmeyi bekleyen sorular, taslaklar ve fotoğraflar.

Hassas veriler koruma olmaksızın ya da ihtiyaç duyulmadan saklanmaz. Şifreleme ve izinler uygulanır; kabiliyete göre cihaz uzaktan ya da yerel olarak silinir ve kullanıcı telefonunda nelerin kaldığını bilir. Değişen her bilgi parçasında tarih apaçıktır Genel bir kılavuz belgesi, görece eski olmasına karşın geçerliliğini koruyabilirken; bir fiyat, kayıt ya da hava durumu uyarısı hızla geçerliliğini yitirebilir. Bu nedenle arayüz şunları gösterir:

Kaynakların son eşitlenmesi: 10 Eylül 2026, saat 18:20 Bağlantı durumu: Çevrimdışı Bu bilgi: yerel olarak kaydedilmiştir ve son eşitlemeden sonraki bir güncellemeyi yansıtmıyor olabilir Eylem: Yapısal ya da değişken bir karardan önce bağlantı geri geldiğinde denetleyin

Sistem eski bilgiyi şimdiki zaman kipiyle sunmaz. Güncel kaydı doğrulayamıyorsa, bağlantı yeniden kurulana ya da güncellenmiş bir yerel kaynak gözden geçirilene dek onu teyit etmekten kaçınır. Yinelenme olmadan eşitleme kuyruğu Cihaz bir soruyu ya da görüntüyü kaydedip sonra yeniden gönderdiğinde, kullanıcı birden çok kez göndermeyi denese bile iki kopya oluşturmamalıdır. Her istek bir kimliğe sahiptir ve durumu gösterilir:

• Yerel olarak kaydedildi.
• Bağlantı bekleniyor.
• Gönderildi.
• Sunucuda alındı.
• Çakışma çözümü ya da gözden geçirme gerekiyor.

Kullanıcı eşitlemeden önce geçmişi iki cihazda değiştirirse, değişiklik önemliyse sistem sessizce en son kopyayı seçmez. Farkı gösterir ya da belgelenmiş bir kural uygular ve kopya geçmişini saklar. Bulut yokluğunda güvenli işlevsellik Platform, nelerin sürdüğünü önceden belirler:

• Önceki geçmişi açık bir tarih dökümüyle görüntülemek.
• Yerel olarak yeni bir not toplamak.
• Sabit denetim listesinin yeniden oynatılması.
• Yerel bir yetkilinin numarasını ya da onaylanmış acil durum talimatlarını göstermek.
• Canlı bir kaynak ya da merkezî bir hesap gerektiren bir öneriyi engellemek.
• Karmaşık görüntü çözümlemesini bağlantı sağlanana dek ertelemek.

Sistem, başarısız olan erişimin yerine kullanıcıyı bilgilendirmeden model belleğinden bir yanıt koymamalıdır. Yönetişimi yapılmış yol kullanılamıyorsa bunu söyler ve hizmeti güvenli yerel düzeye indirir. Veriyi az kullanan tasarım İletişim yükü şunlarla azaltılabilir:

• Gerektiğinde aslını saklayarak görüntüleri sıkıştırmak.
• Önce bir küçük resim yüklemek, gerekirse aslını istemek.
• Büyük ortam dosyalarından önce metni ve üstveriyi göndermek.
• Veri tabanının tamamını indirmek yerine değişiklikleri eşitlemek.
• Sesi, gerekenden yüksek olmayan uygun bir kalitede sunmak.
• Kütüphanenin tamamı yerine bir ürün ya da bölge paketinin indirilmesine izin vermek.

Ne var ki sıkıştırma, teşhis için gereken bir ayrıntıyı yok etmemelidir. Sistem kullanılan görüntü sürümünü kaydeder ve kalite yeterli olmadığında aslını ister. Kesintili bağlantı testi Sistem şu senaryolarda sınanır:

• Bir görüntü yüklenirken kesinti.
• Sık sık gelip kaybolan bir bağlantı.
• Yanlış cihaz saati.
• Süresi dolmuş yerel kaynak.
• İki cihaz arasında çakışan değişiklik.
• Depolama alanının dolması.
• Telefonun kaybolması ya da kullanıcının değişmesi.
• Yerel dizinin yanıtlayamayacağı hassas bir istek.

Veri kaybolmuş ya da yinelenmiş mi, kullanıcı isteğin durumunu bilmiş mi ve güvenlik bariyerleri etkili kalmış mı ölçülür.

Sağlam bir hizmet, var olmayan bir bağlantıyı iddia etmez; ağın yokluğunu da açık sözlülükten kaçınmanın gerekçesi yapmaz. Yerel olarak neyin çalıştığını, neyin beklediğini ve neyin çözüme kavuşmayabileceğini söyler. Bir yanıt kurmaya sıra geldiğinde ise kullanıcının anlayışı, kanıtı, eksikliği ve sonraki adımı görmesine yardım eden tutarlı bir yapıya ihtiyaç duyarsınız.

11. Sorumlu Bir Yanıt Şablonu

Her yanıt aynı uzunlukta bir şablon gerektirmez, ama hassas kararlar uyarıların ve sınırların bir paragrafın içinde kaybolmasını önleyen bir yapıdan yarar görür. Yanıt yedi bölümden oluşabilir. 1\. Soruyu anlayışım Sistem belirleyici bağlamı kısa bir cümleyle yeniden ifade eder:

Anladığım kadarıyla, bir serada yetişen biber ürününüzün yapraklarındaki, iki gün önce başlayan lekeleri soruyorsunuz ve herhangi bir ürün kullanmadan önce sonraki adımı bilmek istiyorsunuz.

Bu cümle kullanıcıya ürünü, ortamı ya da hedefi düzeltme fırsatı verir. Konuşmanın tamamını yinelemez, yalnızca kararı değiştiren şeyi ele alır. 2\. Mevcut bilgi Yetkin kaynakların ne dediğini genişletmeden gösterir:

Mevcut kaynaklar, bu görünümün birden fazla nedenle ilişkili olabileceğini ve yalnızca kısa bir tarifle bunların birbirinden ayrılamayacağını belirtiyor.

Geçerli bir yerel resmî kaynak varsa sistem onu ve kapsamını adlandırır. Bilgi genel nitelikteyse sistem onu genel olarak niteler. 3\. Eksik olan nedir? Yolu değiştirecek daha az bilgi ister:

Yaprağın her iki yüzünün bir fotoğrafına, bitkinin tamamının bir fotoğrafına, belirtilerin yaygın mı olduğunun yoksa tek bir noktada mı başladığının tarifine ve ülke ya da bölge adına ihtiyacım var.

Gerekçe kullanıcı için açık değilse nedenini açıklar. 4\. Şimdi atılabilecek güvenli adımlar Var olmayan bir teşhis gerektirmeyen, düşük riskli işlemler önerir:

Etkilenmiş bitkileri ve konumlarını belgeleyin, sulama geçmişini ve son uygulamaları gözden geçirin ve denetim yapılmadan belirsiz bir ürünü uygulamaktan kaçının. Durum hızla yayılıyorsa bir örnek hazırlayın ya da yerel bir uzmanla iletişime geçin.

Neyin güvenli olduğu duruma göre değişir; her hastalık, hayvan ya da gıda için işleyen sabit bir liste yoktur. 5\. Karar veremeyeceğim şeyler Sınırı açıkça belirler:

Mevcut bilgilerden bir madde ya da doz belirleyemem, bir teşhisi de doğrulayamam; ülkeniz ve ürününüz için henüz geçerli bir kayıt kaynağım yok.

Bu ifade, talimat olarak anlaşılabilecek herhangi bir metnin ardından değil, öncesinde gelir. 6\. Kaynak, tarih ve kapsam Şunları gösterir:

• Kurumun ve belgenin adı.
• Yayım ya da revizyon tarihi.
• Ülke ya da alan.
• Bilginin bulunduğu yer.
• Metin özgün mü yoksa çeviri mi?
• İzin veriliyorsa bir bağlantı ya da erişim yöntemi.

Hizmet çevrimdışıysa son eşitlemenin tarihi görünür. 7\. yetki yükseltme ve takip Varış noktasını ve adımı belirler:

Belirtiler kısa bir süre içinde geniş bir alanda ortaya çıkıyorsa ya da meyve etkilenmişse, bugün bir tarımsal yayım birimiyle ya da yerel bitki koruma uzmanıyla iletişime geçin. Onlara fotoğrafları, durumun başladığı tarihi ve son iki haftanın sulama ile ilaçlama kayıtlarını gönderin.

Ardından olup bitenin kaydedilmesine izin verir, böylece konuşma yönlendirmeyle sona ermez. Eksiksiz örnek: "Ne ilaçlayayım?" Sistem şöyle yanıt verebilir:

Soruyu anlayışım: Domates yaprak lekeleri için bir tedavi seçmek istiyorsunuz, ancak elimde henüz doğrulanmış bir teşhis ya da ülke ve ürün adı yok.

Mevcut bilgi: Yaprak lekelerinin patolojik ve patolojik olmayan nedenleri olabilir; tedavi ve kayıt, nedene ve yere göre değişir. Tek bir fotoğraf ya da genel bir belirti adı, bir maddeyi güvenli biçimde seçmeye yetmez.

İhtiyacım olanlar: Ülke ya da bölge, ürünün gelişme evresi, yaprağın her iki yüzünün ve bitkinin tamamının net fotoğrafları, belirtilerin dağılımının tarifi ve son uygulamaların adları.

Şimdi atılabilecek güvenli adımlar: Etkilenmiş konumları belgeleyin, uygun temizlik yapmadan aletleri ya da yaprakları bölgeler arasında taşımaktan kaçının ve sulama, havalandırma ile uygulama geçmişini gözden geçirin. Durum hızla yayılıyorsa bugün yerel bir uzmanla iletişime geçin.

Karar veremeyeceğim şeyler: Teşhis tamamlanmadan ve yerel kayıt ile güncel onaylı ürün etiketi doğrulanmadan bir ürün ya da doz seçemem, bir hastalığı da doğrulayamam.

Kaynak: Ülke ve ürün belirtilmediği için henüz geçerli bir yerel kaynak getirilmemiştir.

Sonraki Adım: İstenen bilgileri gönderin ya da bu özeti bir bitki koruma eğitmeniyle paylaşın.

Bu yanıt kullanıcıyı ne yalnız bırakır ne de ona sözcüklerden yapılmış bir reçete verir. Genel bir soruyu, kanıt toplama ve vakayı üst mercie taşıma yoluna dönüştürür. Şablon uyarlanabilirdir ve otomatik metne dönüşmez Basit bir eğitsel soru için bir tanım, bir örnek ve bir kaynak yetebilir. Acil bir durumda güvenli adım ve yetki yükseltme öne geçer. Sesli bir arayüzde özet sesli olarak okunur ve ardından kullanıcıya ayrıntıları isteyip istemediği sorulur.

Önemli olan, yedi işlevin ihtiyaç duyulduğu ölçüde mevcut kalmasıdır: anlayış, kanıt, eksiklik, güvenli adım, sınır, kaynak ve yetki yükseltme. Böylece yanıt, uzman görünümlü bir metinden; gözden geçirilebilen ve takip edilebilen işler bir araca dönüşür.

Bölüm Özeti

Dijital tarımsal danışmanlık hizmetleri, bir modelin konuşma kabiliyetiyle değil; sistemin bir sorunun eksik olduğunu fark etme kabiliyetiyle başlar. Tek bir sözcük bir ürünü, gelişme evresini, ülkeyi, teşhisi, ürünü, hava koşulunu ve sonucu gizleyebilir. Sorumlu bir danışman bu boşlukları kendi başına doldurmaz; sistem onları görünür kılar, kararı değiştirecek olanı ister ve yardımın derecesini mevcut kanıta ve riske göre ayarlar.

Bir bilgi tabanı bir dosya deposu değildir. Her belgenin bir kimliğe, otoriteye, tarihe, kapsama ve haklara ihtiyacı vardır; bölütleme ise başlıkları, tabloları, dipnotları ve istisnaları korumalıdır. Ürününden, biriminden ya da yargı alanından koparılmış doğru bir paragraf, zarif ifadelerle kurulmuş bir yanıtın içinde yanlış kanıta dönüşebilir.

Erişimle desteklenmiş üretim (RAG), bir sorudan güncel ve yönetişimi yapılmış kaynaklara giden bir yol sunar; ama bir kaynağa, zaten sahip olmadığı bir otoriteyi kazandırmaz. Değeri koruyuculardan gelir: bağlamı anlamak, riski sınıflandırmak, otorite ve güncellik açısından süzmek, çakışmaları denetlemek, sentezi sınırlamak ve bir güvenlik gözden geçirmesi yürütmek. Sistem geçerli bir kanıt bulamıyorsa, bu boşluğu kabul etmek mesleki bir sonuçtur; modelin gizlemesi gereken bir kusur değil.

Doğal dil iki ucu keskin bir araçtır. Bilgiyi çiftçilere yaklaştırır ve lehçeyle ya da sesle soru sormaya olanak tanır; ama bir adı, birimi ya da belirleyici bir olumsuzlamayı değiştirebilir. Bu nedenle sistem, kullanıcının söylediğini saklar, anladığını gösterir, yerel bir terimi silmeden bir referans kavrama bağlar ve belirsizlik eylemi değiştirecekse teyit ister.

Belirsizlik, gizlenmesi gereken üslupsal bir zayıflık değildir. Soruda, görüntüde, kaynakta ya da yeni bir bölgeye aktarımda bulunabilir. Olgun bir yanıt; neyin bilindiğini, neyin bilinmediğini, boşluğun neden önemli olduğunu, sırada hangi ölçümün ya da bilginin gerektiğini ve yetkinin kimde olduğunu belirtir. Sorumlu çekimser kalma yolu kapatmaz; kullanıcıyı bir ölçüme, kaynağa ya da uzmana doğru daha güvenli bir güzergâha yerleştirir.

Vakalar, kanıt derecelerinin önemini gösterir. Farmer.Chat için kurumsal düzeyde işletildiğini ve Kenya'da 450 çiftçiyi kapsayan bir kullanıcı değerlendirmesinin yapıldığını gösteren kanıtlar vardır; buna karşılık genel tarımsal doğruluğu ve nedensel etkisi henüz ortaya konmamıştır [SRC039]–[SRC046]. GAIA için programın, prototiplerin, yönetişim çalışmalarının ve lisanslama belgelerinin varlığını gösteren kanıtlar vardır; ikinci aşamasının sonuçları ve geniş saha etkisi ise hâlâ geliştirilmektedir [SRC047]–[SRC052]. AgroGenie değerlendirmesi, 22 Ağustos 2026 tarihli tarihsel paket kanıtını [IMP06], 18 Eylül 2026 tarihli güncel geliştirme paketi ve yerel testleriyle [IMP13] birlikte ele alır; bunların hiçbiri üretim ortamında işletimi veya saha etkisini kanıtlamaz. Kodun varlığı bir olgu, işletim başka bir olgu, tarımsal etki ise bir başkasıdır.

Bellek, tarla ve mevsim bağlamını koruduğunda ve bu bağlamı görünür ile düzeltilebilir kıldığında yararlıdır. Sistem eski bir konuşmayı hakikatin kaynağı saydığında, hassas bilgiyi bir amaç olmaksızın tuttuğunda ya da onu rıza olmadan genel model eğitiminde kullandığında ise tehlikeli hâle gelir. İyi kişiselleştirme yinelemeyi azaltır, ama kullanıcıları güncelliğini yitirmiş bilgiye bağlamaz ve güveni gözetime dönüştürmez.

Bir danışman yalnızca metnin zarafetiyle değerlendirilmez. Değerlendirme; sistemin neyi getirdiğini, malzemeyi nasıl atfettiğini, ne zaman çekimser kaldığını, kullanıcının sonraki adımı anlayıp anlamadığını ve ardından hangi eylemin geldiğini dikkate alır. Testler belirsiz soruları, lehçeleri, eksik görüntüleri, çakışan kaynakları ve farklı ülkeleri içermeli; hizmetin yetersiz ulaştığı kesimleri gizleyen bir ortalama yerine, her dil ve kullanıcı grubu için sonuçları ayrı ayrı saklamalıdır.

Bağlantının kesintili olduğu ortamlarda tasarımın kalitesi açığa çıkar. Sorumlu sistem; yerel olarak neyin çalıştığını, son eşitlemenin zamanını, ağı neyin beklediğini ve neyi doğrulayamadığını gösterir. Bir isteği yinelemeden saklar, cihazdaki veriyi korur ve başarısız olan erişimin yerine model belleğinden yönetişimsiz bir yanıt koymaz.

Sorumlu danışmanlık yedi hareketle özetlenebilir: anlamak, sormak, getirmek, süzmek, açıklamak, sınırda çekimser kalmak ve bağlamla birlikte üst mercie taşımak. Bunlar birlikte, diyaloğu eksik bir soru ile yetkin bir kaynak ve savunulabilir bir eylem arasında köprüye dönüştürür. Onlarsız akıcılık, bir varsayımı gizlemenin daha hızlı bir yolu hâline gelir.

Her şeyi yanıtlayan bir sistem daha zeki değildir; çoğu zaman sınırlarının daha az farkındadır. Güvenilir bir sistem, en iyi yanıtlarının bir kısmının reçeteler değil; sorular, kaynaklar, uyarılar ya da zamanında yapılmış yönlendirmeler olduğunu bilir.

Kanıt Notları

[SRC003] ve [SRC010] incelemeleri, tarımsal karar desteği ile erişim ve kullanım engellerinin genel haritasını destekler. [SRC039]–[SRC046], Farmer.Chat'i kanıt gücü farklı kaynaklar üzerinden belgeler: geliştiriciye ait sayfalar, veriler ve araçlar; Digital Green ile ortaklaşa, ancak ürün ekibinden bağımsız yürütülen bir kullanıcı araştırması; ayrıca tarımsal konuşma tanıma üzerine hakem değerlendirmesinden geçmemiş bir ön baskı. Bu kaynaklar birlikte işlevlerin, kullanımın ve Kenya örneklemindeki sınırlı sonuçların tanımlanmasını destekler; doğruluk ya da nedensel etkiye ilişkin sonuçların genellenmesini desteklemez. [SRC047]–[SRC052], GAIA'nın kimliğini, ortaklıklarını, prototiplerini, yönetişim çalışmalarını ve lisanslama araçlarını belgeler; tamamlanmış bir ürünün etkililiğini veya geniş saha etkisini göstermez. [IMP06], tarihsel AgroGenie paketinin durumunu ve kabul kısıtını korurken [IMP13], güncel paketi ve 18 Eylül 2026'da çalıştırılan testleri belgeler; ancak bu kanıtı canlı WordPress işletimi ya da tarımsal etki düzeyine yükseltmez.

Soru güzergâhları, yanıt kartları, güvenlik önlemleri tabloları ve “Ne ilaçlayayım?” örneği; sorumlu danışmanlık hizmetlerinin nasıl kurulabileceğini gösteren eğitsel ve tasarımsal kurgulardır. Bunlar bir saha değerlendirmesinin sonucu veya bağımsız bir tarımsal ya da hukuki tavsiye değildir.