# AI ile içerik üretmek SEO'ya zarar verir mi?

> Google, Bing ve Yandex'in AI içeriklerine yaklaşımı; sitemdeki AI kullanımı ve araştırmadan çeviriye, insan denetimli bir içerik pipeline'ının nasıl kurulacağı.

Bir şirketin içerik ekibini düşünelim. AI desteğiyle eskisinden çok daha fazla yazı hazırlayabiliyor. Fakat kaynak kontrolü, uzman incelemesi ve yayın onayı için ayırabildiği zaman aynı hızda artmıyor. Bir süre sonra taslak üretmek kolaylaşırken hangi metnin yayımlanmaya hazır olduğunu anlamak zorlaşıyor.

Bu durumda “AI ile yazarsak Google bizi cezalandırır mı?” sorusu tek başına yeterli kalmıyor. Hangi iddiayı nereden aldığımızı, okuyucuya ne eklediğimizi ve hatalı bir metnin yayına ulaşmasını nasıl engellediğimizi de konuşmak gerekiyor.

Kısa yanıtı baştan vereyim: **Google, AI kullanımını tek başına bir ihlal saymıyor.** Bundan, AI ile üretilen her metnin arama sonuçlarında iyi performans göstereceği sonucu çıkmıyor. Bing ve Yandex'in açıklamalarını da kendi ifadeleriyle okumak gerekiyor; üçünün politikasını tek bir “AI serbest” cümlesine indirmek yanıltıcı olur.

Bu yazıda 12 Ekim 2026 itibarıyla incelenen resmî açıklamalardan başlayacağım. Ardından bu sitede AI'ı nasıl kullandığımı ve aynı sorumluluğu daha sistemli bir içerik üretim akışına nasıl taşıyabileceğimi anlatacağım.

## Google AI kullanımını nasıl değerlendiriyor?

[Google'ın AI içeriklerine ilişkin 2023 açıklaması](https://developers.google.com/search/blog/2023/02/google-search-and-ai-content), değerlendirmede içeriğin kalitesine odaklandığını söylüyor. Uygun AI ve otomasyon kullanımı yönergelere aykırı değil. Arama sıralamalarını manipüle etme amacıyla otomasyon kullanmak ise spam politikalarının kapsamına giriyor.

Güncel [üretken AI içerik rehberi](https://developers.google.com/search/docs/fundamentals/using-gen-ai-content?hl=en) de AI'ın bir konuyu araştırmak ve özgün içeriğin yapısını oluşturmak için yararlı olabileceğini belirtiyor. Aynı rehber; doğruluk, kalite ve ilgililik açısından gözden geçirmeyi, olgusal iddiaları kontrol etmeyi öneriyor. Başlık, açıklama, yapılandırılmış veri ve görsellerin alternatif metinleri de bu sorumluluğa dâhil.

Dolayısıyla bir araştırmanın örneklemini yanlış aktarıp yazının altına “insan tarafından kontrol edilmiştir” yazmak yeterli bir kontrol değil. Kontrolün sonucunda yanlışın bulunmuş ve düzeltilmiş olması gerekiyor.

### Çok sayıda sayfa üretmek ne zaman sorun oluyor?

Google'ın [ölçekli içerik kötüye kullanımı politikası](https://developers.google.com/search/docs/essentials/spam-policies#scaled-content), çok sayıda sayfanın esas olarak sıralamaları manipüle etmek için ve kullanıcıya yardımcı olmadan üretilmesini ele alıyor. Az değer taşıyan, özgün katkısı sınırlı içerik; AI, insan veya ikisinin birlikte çalışmasıyla hazırlanmış olabilir.

Birbirine benzeyen yüzlerce sayfayı üretmek, farklı kaynakları birleştirip yeniden yazmak veya düşük değerli sayfaları başka dillere çoğaltmak bu riski ortadan kaldırmıyor. Google'ın politikası bir üretim yöntemiyle birlikte o yöntemin kullanım amacını ve ortaya çıkan değeri değerlendiriyor. İhlal, görünürlüğün azalmasına veya arama sonuçlarından çıkarılmaya kadar gidebilir.

Buradan “az sayıda AI yazısı güvenlidir” diye sayısal bir eşik de çıkaramayız. Google bu belgede bize güvenli bir günlük üretim kotası vermiyor.

### Yazar, yöntem ve amaç

[İnsanlar için yararlı ve güvenilir içerik rehberi](https://developers.google.com/search/docs/fundamentals/creating-helpful-content), üç soruyla iyi bir değerlendirme çerçevesi kuruyor: İçeriği kim hazırladı, nasıl hazırladı ve neden hazırladı?

Okuyucu, yazıyı kimin hazırladığını ve yazarın konuyla ilişkisini görebilmeli. Otomasyonun kullanıldığı yerlerde, okuyucunun üretim yöntemini bilmesi anlamlıysa bu yöntem açıklanmalı. İçeriğin amacı okuyucunun ihtiyacını karşılamak olmalı. SEO çalışması da bu amaca hizmet edebilir.

Rehberdeki deneyim, uzmanlık, otorite ve güvenilirlik çerçevesi E-E-A-T olarak anılıyor. Google bunun tek başına belirli bir sıralama faktörü olmadığını açıkça belirtiyor. Sağlığı, finansal istikrarı, güvenliği veya toplumun refahını etkileyebilecek konularda güçlü E-E-A-T ile uyumlu içeriğe daha fazla ağırlık verdiğini de söylüyor. Kalite değerlendiricilerinin yönergeleri, tek tek sayfaların sırasını doğrudan belirleyen bir puanlama reçetesi değil.

Bu açıklamalar ne “her AI katkısını her koşulda etiketle” diye evrensel bir SEO şartı koyuyor ne de açıklama ekleyen yazıya sıralama avantajı vaat ediyor. Şeffaflık, okuyucunun metni ve sorumluluğu değerlendirmesine yardım ediyor.

## Bing ve Yandex aynı yaklaşımı mı benimsiyor?

Arama motorları için yararlılık, doğruluk ve özgün katkı ortak meseleler. Buna rağmen politika metinlerindeki farkları korumak gerekiyor.

### Bing: editoryal kontrol ve kaynak olma koşulları

Bing'in yaklaşımını değerlendirirken klasik arama sıralamasıyla AI yanıtlarında kaynak gösterilmeyi ayırmak gerekiyor. Microsoft'un [Bing Webmaster Tools AI Performance açıklaması](https://blogs.bing.com/webmaster/2026/2/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview/) bunu açık biçimde yapıyor: Bir sayfanın AI yanıtlarında kaç kez kaynak gösterildiği, o sayfanın sıralaması, önemi veya yanıt içindeki konumu anlamına gelmiyor.

Aynı açıklama, AI yanıtlarında daha doğru anlaşılabilecek ve referans verilebilir içerik hazırlamak için açık yapı, kanıtla desteklenen iddialar ve güncel bilgi öneriyor. Bu önerilerden bir görünürlük garantisi çıkaramayız.

Bing'in [Webmaster yönergeleri](https://www.bing.com/webmasters/help/bing-webmaster-guidelines-30fba23a), editoryal gözetim ve kalite kontrolü olmadan büyük ölçekte üretilen içeriği riskli uygulamalar arasında ele alıyor; yarar, doğruluk ve özgün katkı eksikliğinden söz ediyor. Bu içeriklerin indeks dışında bırakılabileceğini belirtiyor.

Burada da AI aracının adına bakarak güvenli veya riskli içerik kararı vermek mümkün değil. Ancak Google'ın AI kullanımına ilişkin açık ifadesini, Bing aynı cümleyi kurmuş gibi aktarmamalıyız.

### Yandex: AI metni izlenimi de açıkça anılıyor

Yandex'in [düşük değerli içerik açıklaması](https://yandex.com/support/webmaster/en/threat/useless-content) daha doğrudan bir uyarı içeriyor. AI ile üretilmiş izlenimi veren veya ek değer sunmayan metinleri düşük değer belirtileri arasında sayıyor. Açıklamada sinir ağları, makine çevirisi ve şablonlarla oluşturulup ek okuma ve düzenlemeden geçmeyen içeriklerden söz ediliyor.

Örnekler oldukça somut: aynı argümanı tekrar etmek, uzunluğu artıran boş cümleler eklemek, başlıktan hareketle yüzeysel bir anlatı kurmak, uydurulmuş veya doğrulanmamış bilgileri gerçek gibi sunmak.

Bunu “Yandex bütün AI içeriklerini cezalandırıyor” diye aktaramayız. Fakat “AI kullanıldığı sürece hiçbir sorun yok” da diyemeyiz. Belge, metnin okuyucuya katkısı kadar kontrol edilmemiş üretimin görünür belirtilerini de risk olarak tanımlıyor. Cümleleri bir “AI tespit aracını” atlatacak şekilde değiştirmek, eksik araştırmayı veya hatalı bilgiyi düzeltmez.

Yandex'in [AI arama açıklaması](https://yandex.com/support/webmaster/en/yandex-ai) ise indekslenmiş sayfalardan yanıt oluşturulmasını ve iyi yapılandırılmış, bilgilendirici, dil açısından doğru içeriğin kullanılma ihtimalini ele alıyor. Bu, klasik arama sıralamasıyla aynı ölçüm değil.

Bu belgeler arama motorlarının açıkladığı kuralları ve önerileri gösteriyor. Üç motorun aynı metni nasıl sıralayacağını ölçen karşılaştırmalı bir deney sunmuyorlar.

## Bu sitede AI'ı nasıl kullanıyorum?

Bu konuda yayımladığım [Yapay Zekâ Kullanım Politikası](/tr/yapay-zeka-kullanim-politikasi), çalışma biçimime ilişkin bir öz beyan. Bağımsız denetim veya içeriklerin hatasızlığına ilişkin bir sertifika değil.

Politikada açıkladığım üzere, yazıların çoğunda ana fikri ve ilk taslağı ben oluşturuyorum. AI; kaynakları incelemeye, argümanı düzenlemeye, anlatımı geliştirmeye ve düzeltme turlarına yardımcı oluyor. Bazı yazılarda ilk taslağın daha büyük bölümünü AI hazırlayabiliyor. Böyle bir katkıyı ilgili yazının açıklamasında ayrıca belirtiyorum.

Bu yazının konusu ve araştırma soruları da benim verdiğim çerçeveden çıktı; resmî kaynakların incelenmesi ve ilk taslağın hazırlanması AI desteğiyle yürütüldü. Bir modele verdiğim çerçeve, modelin ürettiği her cümleyi kendi görüşüm olarak kabul ettiğim anlamına gelmiyor. Yayın öncesinde metni okuyup iddialarını, yorumlarını ve anlamını değerlendirmem gerekiyor.

AI'ın önerdiği kaynak tek başına kanıt sayılmıyor. Kaynağı açıp incelemek, iddiayı gerçekten destekleyip desteklemediğine bakmak gerekiyor. Doğrulanamayan iddia sınırlandırılıyor, düzeltiliyor veya çıkarılıyor. Güncel kapak illüstrasyonlarında da üretken AI kullanıyorum; bu görseller belgesel kanıt olarak sunulmuyor.

Bu sitede içerik otomatik olarak yayımlanmıyor. Yayına çıkacak nihai metni ben onaylıyorum ve sorumluluğunu ben taşıyorum. Birden fazla modelin metni gözden geçirmesi de bu sorumluluğu değiştirmiyor. Açıklama notunun okuyucuya ne anlattığını [AI katkısını açıklamanın sınırları](/tr/yapay-zeka-destegi-notu-okura-ne-anlatiyor) üzerinden ayrıca ele aldım.

## AI destekli içerik için nasıl bir pipeline kurulabilir?

Bugünkü çalışma biçimimde kaynak taramasını paralel işler ve kayıtlı durumlarla yürüten bir runner var. Araştırma, taslak ve dil incelemelerinde de ayrı görevler ve insan onayı kullanıyorum. Bu işler henüz tek bir uçtan uca yayın sistemiyle yürütülmüyor. Her konuda otomatik mevzuat kontrolü yapan bir sistemim de yok.

Aşağıdaki akış, bu adımları daha belirgin girdileri, çıktıları ve durma koşulları olan bir sisteme dönüştürmek için önerdiğim tasarım. Agentic AI burada kaynak araştırma, taslak ve inceleme görevlerini ajanlara dağıtmayı ifade ediyor. Araştırma ajanı kaynaklarda neyi arayacağını ve hangi bulguyu izleyerek derinleşeceğini seçebilir. İşlerin sırasını ve yayın yetkisini ise bunları çalıştıran yazılım belirler.

Bütün aşamaların serbestçe karar veren birer ajan olması gerekmiyor. Zorunlu alanları, dosya sürümlerini ve yayın iznini kontrol etmek gibi işler normal yazılım kurallarıyla yürütülebilir.

| Aşama | Kaydedilecek çıktı | İnsanın kararı veya durma koşulu |
| --- | --- | --- |
| Konu ve brief | Okuyucu, sorusu, tez, kapsam ve özgün katkı | Editör yazının neden hazırlanacağını belirler; bunlar yoksa üretim başlamaz. |
| Kaynak araştırması | Açılmış kaynaklar, ilgili bulgular, tarihler ve sınırlamalar | Temel iddiayı taşıyan kaynak okunamıyorsa veya doğrulanamıyorsa ilgili iddia ilerlemez. |
| Taslak | Kaynaklara bağlı anlatı; olgu ve yorum ayrımı | Model yazara deneyim, görüş veya sonuç uyduramaz. |
| İddia ve risk incelemesi | İddia-kaynak eşleştirmesi, çelişkiler, uzman incelemesi gereken bölümler | Açık sorunlar çözülmeden yayın aşamasına geçilmez. |
| Dil ve anlam incelemesi | Doğal anlatım ve kaynaklarla uyumlu son metin | Editör ana metnin anlamını onaylar. |
| Dil uyarlamaları | Her dilde doğal metin ve anlam karşılaştırması | Ana tez, sayılar, sınırlar ve sonuç değişmişse uyarlama düzeltilir. |
| Yayın hazırlığı | Başlık, açıklama, bağlantılar, görsel, ALT metni ve açıklama notu | Yetkili insan, kontrol edilmiş son sürüme yayın onayı verir. |

Bu tablo, aşamaların tamamının her içerikte aynı ağırlıkta çalışacağı anlamına gelmiyor. Bir ürün duyurusunun doğrulama ihtiyacıyla bir tedavi iddiasının inceleme ihtiyacı aynı değil. Düşük riskli içerikte hafif bir akış kullanılabilir; gerekli inceleme atlanarak riskli içerik düşük riskli sayılmamalı.

### Fact-check, modele “emin misin?” demekten fazlası

Araştırma ajanının bulduğu bağlantıyı taslak ajanına vermek iyi bir başlangıç. Ancak kaynakta bulunan sonuçla yazıda kurulan iddia aynı kapsamda olmayabilir. Bir ABD araştırmasının sonucunu Türkiye'ye taşıyan cümle, kaynağın URL'si doğru olsa bile yanlış olabilir. Bir korelasyonu neden-sonuç ilişkisi gibi yazmak da aynı sorunu doğurur.

Bu nedenle iddia inceleme aşamasında her önemli olgusal iddia için hangi kaynağın hangi bölümüne dayanıldığı, ölçümün dönemi ve kapsamı, iddianın doğrudan bir bulgu mu yoksa yazarın çıkarımı mı olduğu kaydedilmeli. Kaynak açılmadığında veya gerekli veri bulunamadığında sistem “doğrulandı” sonucu üretememeli.

İkinci ajan, ilk ajanın açıklamasını onaylamakla yetinirse aynı hatayı tekrar edebilir. İddia incelemesi mümkün olduğunca özgün kaynağa dönmeli. İki modelin aynı şeyi söylemesi, iki bağımsız kanıtın bulunması anlamına gelmiyor.

Okuyucuya sunulan metin de bu kayıtların tamamını taşımak zorunda değil. Kaynağın önemli sınırlaması ilgili iddianın yanında kalmalı; iç inceleme kayıtları ise gerektiğinde hatanın nereden geldiğini bulmamıza yardım etmeli.

### Hukuk ve sağlık içeriklerinde ayrı durma koşulları

Bir AI ajanından hukuk veya sağlık içeriğini işaretlemesini, güncel resmî metinleri bulmasını ve inceleme soruları hazırlamasını isteyebiliriz. Bu aşamanın çıktısı “mevzuata uygundur” veya “tıbben doğrudur” sertifikası olmamalı.

Hukukla ilgili bir yazıda hangi ülkenin hukukunun ele alındığı, düzenlemenin hangi tarihte yürürlükte olduğu ve metnin bilgi verme amacıyla mı yoksa kişiye yönelik tavsiyeyle mi yazıldığı incelenmeli. AI bir düzenlemeyi bulmuş olsa da o düzenlemenin anlatılan olaya uygulanması ayrıca değerlendirilir. Gerekli uzman görüşü alınamıyorsa belirli bir iddia daraltılmalı veya yayın beklemeli.

Sağlıkta bir tedavi önerisi, teşhis ifadesi veya etkinlik iddiası da yalnızca dil incelemesinden geçerek yayıma hazır sayılmamalı. [Dünya Sağlık Örgütü'nün büyük çok modlu modellere ilişkin açıklaması](https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models), yanlış, eksik veya taraflı ifadelerin sağlık kararlarına zarar verebileceğini; otomasyona aşırı güvenmenin hataların gözden kaçmasına yol açabileceğini belirtiyor. Bu belge bir Türkiye yayın mevzuatı rehberi değil. Buradaki kullanım amacı, sağlık bilgisinde ek incelemenin neden gerekli olduğunu açıklamak.

İçeriğin niteliği ve yayımlandığı ülke gerektiriyorsa yetkin bir uzman incelemesi, kaynakların güncelliği ve uygulanabilir yayın kuralları ayrıca kontrol edilmeli. Bu görev için ajan eklemek, uzman sorumluluğunu ortadan kaldırmaz. Bütün konuları “legal-check geçti” gibi tek bir etikete sığdırmak da yeterli kayıt sağlamaz.

### Doğal dil kontrolü ve çeviride anlamın korunması

Bir metin bütün kaynakları doğru aktarabilir ve yine de okunması zor olabilir. Aynı fikri tekrar eden paragraflar, içeriğin önemini sürekli ilan eden geçişler ve teknik ayrıntıların arasına gömülmüş sonuçlar okuyucunun işini zorlaştırır.

Bu yüzden dil kontrolünün ayrı bir amacı olmalı: Metin hedef dilde doğal mı, cümleler gerçekten bir şey söylüyor mu, okuyucu argümanı takip edebiliyor mu? Burada amaç bir AI tespit aracından düşük puan almak değil. Okunabilir ve anlamını taşıyan bir metin hazırlamak.

Mevcut çok dilli çalışma akışımda Türkçe anlam onayından sonra İngilizce uyarlama, ardından onaylı İngilizceden Almanca uyarlama hazırlanıyor. Başlıklar, girişler ve paragraf yapıları hedef dilde yeniden kurulabiliyor. Gerçek sayılar, örnekler, iddiaların gücü ve kanıt sınırları ise bu işlem sırasında değişmemeli.

Dil doğallığı incelemesinde ayrı bir model yalnızca hedef dildeki metni okuyor. Ardından uyarlama, onaylanmış kaynak metinle anlam bakımından karşılaştırılıyor. İlk inceleme doğal yazımı; ikinci inceleme anlamın korunmasını kontrol ediyor. Akıcı bir çeviri daha kesin bir iddiaya dönüşmüşse veya bir sınırlamayı kaybetmişse tekrar düzeltiliyor.

Bu akış insanın dil ve yayın sorumluluğunu sona erdirmiyor. Çözülemeyen dil veya anlam sorunları, özellikle yüksek riskli ifadelerde, insan incelemesine dönmeli.

### Runner, başarı koşulunu modelin kararına bırakmamalı

Bir ajan işini bitirdiğini söyleyebilir. Onu çalıştıran runner ise beklenen çıktının gerçekten oluştuğunu, gerekli alanların dolu olduğunu ve açık sorun bulunmadığını ayrı kontrol etmeli.

Örneğin araştırma tamamlandıysa açılmış kaynak kayıtları bulunmalı. İddia incelemesinde çözülmemiş önemli iddialar varsa bunlar sonraki aşamayı durdurmalı. Yayın onayı verildiyse bu onay, onaylanan metnin tam sürümüne bağlı olmalı. Sonradan iddia veya çeviri değiştiğinde ilgili inceleme ve onay yeniden istenmeli.

Paralel çalışma da görev sınırlarıyla kurulmalı. Google, Bing ve Yandex araştırmaları aynı anda yürüyebilir. Farklı ajanların aynı taslak dosyasını eşzamanlı değiştirmesi ise kontrolü zorlaştırır. Ayrı çıktılar üretip bunları bir editoryal aşamada birleştirmek daha izlenebilir bir akış sağlar.

Bir kaynak erişilemiyorsa sistem bunu gerekçesiyle kaydetmeli; sonsuza kadar yeniden denememeli veya başarılı saymamalı. Bekleyen uzman incelemesiyle teknik erişim hatası farklı nedenlerdir. Kaynak sayfasında bulunan talimatlar da ajanın kendi talimatı gibi çalıştırılmamalı; araştırılan metin, dışarıdan gelen veri olarak ele alınmalı.

Buradaki deterministik yapı, modelin her seferinde aynı cümleyi yazacağı anlamına gelmiyor. Hangi aşamanın neyi üretmek zorunda olduğu, ne zaman duracağı ve hangi yetkiyle ilerleyeceği önceden tanımlanmış oluyor. Bu sınırları daha geniş olarak [AI harness'in görevleriyle](/tr/ai-harness-nedir) ilişkilendirebiliriz.

## İnsanın işi son ekranda bir onay düğmesine basmakla bitmiyor

İnsan önce konuyu ve okuyucuya sunulacak katkıyı belirliyor. Kaynakların taşıyamadığı bir iddiayı çıkarıyor, hangi belirsizliğin açıklanması gerektiğine karar veriyor ve gerektiğinde uzmana başvuruyor. Son aşamada da gerçekten okuyup değerlendirdiği sürümün yayımlanmasına izin veriyor.

Kontrolü yalnızca “sonunda biri bakar” diye tanımlarsak, üretim hızı arttığında inceleme kolayca bir formaliteye dönüşebilir. [AI iş akışlarında insanın konumu](/tr/ai-isi-yaparken-insan-surecin-neresinde-olmali), durdurma yetkisi ve karar verebilmek için gördüğü bilgilerle birlikte tasarlanmalı.

İçerik üretiminde başarıyı da yalnızca kaç taslak hazırlandığıyla ölçmemek gerekiyor. Kaç önemli iddianın doğrulanamadığı, hangi sorunların incelemede yakalandığı, bir yazının ne kadar yeniden çalışılması gerektiği ve yayın sonrasında kaç düzeltmeye ihtiyaç duyulduğu sürecin kalitesini anlamamıza yardım eder. Bunlar SEO sıralama faktörleri diye sunduğum ölçüler değil; yayın operasyonunu yönetmek için önerdiğim ölçüler.

AI'la içerik hazırlamaktan bütünüyle kaçınmak gerektiği sonucuna varmıyorum. Araştırmada, yapı kurmada, taslakta ve dil uyarlamalarında kullanışlı bir yardımcı olabilir. Buna karşılık, ekip okuyamadığı ve doğrulayamadığı hızda içerik üretiyorsa üretim hacmini artırmak hata riskini de büyütür.

Google'a, Bing'e veya Yandex'e uygun içerik üretme çabası; okuyucuya hangi bilgiyi, hangi kanıtla ve kimin sorumluluğunda verdiğimizi açıklayabildiğimiz bir yayın süreciyle birlikte yürümeli. Yayın kararını verebilmek için AI'ın yaptığı işi bilmek kadar, ortaya çıkan metnin okuyucuya katkısını ve onu destekleyen kontrolleri de değerlendirmek gerekiyor.

---

Language: Turkish
License: CC BY 4.0
License URL: https://creativecommons.org/licenses/by/4.0/
Scope: Evren Bal-authored text, unless this article expressly states otherwise.
Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights.
Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes.
Source: https://evrenbal.com/tr/yapay-zeka-ile-icerik-uretmek-seo