Sağlık ve Hukukta AI Alıntısı: Güven Filtresinin Mühendisliği

AI arama motorları sağlık, hukuk ve finans sorgularında çok daha dar bir alıntı listesi kullanır; bu yüzden YMYL alanında görünürlük kazanmak içerik hacmiyle değil, doğrulanabilir kimlik bilgileri, kurumsal kaynak referansları ve ihtiyatlı dil kullanımıyla mümkündür. Düzenlenmiş sektörlerde alıntılanmak istiyorsanız stratejiniz E-E-A-T sinyallerini bir mühendislik problemi gibi ele almalıdır: yazar kimliği, kurum bağlantısı, schema işaretlemesi ve son inceleme tarihi her sayfada açık olmalıdır.

YMYL sorgularında neden daha sıkı bir alıntı kapısı var

Google'ın kamuya açık Search Quality Rater Guidelines belgesi sağlık, hukuk ve finans gibi alanları YMYL (Your Money or Your Life) olarak işaretler ve bu sayfalar için en yüksek E-E-A-T denetimini şart koşar. AI arama motorları bu standardı sadece miras almakla kalmaz, yükümlülük riski nedeniyle daha da ileri taşır. Yanlış bir sağlık ya da hukuk yanıtının itibar maliyeti, motorlar için bir SaaS sorgusunda yapılan hatadan kıyaslanmayacak kadar ağırdır.

Sonuç pratikte şudur: motor, geniş içerik havuzundan değil, çok daha dar bir "güvenilir kaynaklar" kümesinden alıntı yapar. Bu küme Türkiye'de tipik olarak Sağlık Bakanlığı, mevzuat.gov.tr, Türk Tabipleri Birliği, Türkiye Barolar Birliği gibi kurumsal alanlarla; uluslararası tarafta ise Mayo Clinic, NHS ve NIH gibi referanslarla şekillenir. Alıntı arzının asimetrik olması, bu alanlarda görünürlük yarışının da yapısal olarak farklı işlediği anlamına gelir.

AI motorlarının gerçekten ağırlık verdiği güven sinyalleri

Düzenlenmiş alanlarda hangi sinyallerin ölçülebilir biçimde fark yarattığını saymak gerekirse:

• Doğrulanabilir yazar bilgisi. Anonim "Editör" imzası yerine adı, uzmanlığı ve sicil bilgisi olan bir hekim, avukat veya finansal danışman. Türkiye için baro sicil numarası, hekim diploma tescil bilgisi veya SPK lisans referansı bağlanabilir.
• Kurumsal alan adı. .gov.tr, üniversite hastane alanları, baro ve meslek odası alanları motorlar için açık otorite işaretidir.
• schema.org tipleri. MedicalWebPage, MedicalCondition, LegalService, Attorney, FinancialProduct gibi alana özel tipler içeriği regülasyon hattına oturtur.
• İnceleme ve tazelik metadatası. reviewedBy ve lastReviewed alanları, eski içeriğe karşı YMYL'de uygulanan ağır cezayı dengeler.

Aynı başlık altındaki iki sayfayı düşünün: birinde "GEON Editör Ekibi" yazıyor, diğerinde "Dr. Ayşe Yıldız, Dahiliye Uzmanı, Hekim Sicil No: 123456" yazıyor ve sayfada MedicalWebPage schema'sı reviewedBy alanıyla başka bir uzmana bağlanıyor. AI motorları açısından bu iki sayfanın güven yüzeyi aynı değildir; ikincisinin alıntılanma olasılığı çoğu sorguda kat kat yüksektir.

Düzenlenmiş yanıtlardaki gerçek halüsinasyon risk profili

Motorların neden bu kadar muhafazakâr davrandığını anlamanın en hızlı yolu, ölçülmüş risklere bakmaktır. Stanford RegLab'ın Hallucinating Law çalışması, büyük dil modellerinin hukuki sorgularda model ve görev tipine göre %58 ile %82 arasında halüsinasyon ürettiğini göstermiştir. Bu rakam, denetimsiz kullanımın hukuk pratiğinde neden yüksek riskli olduğunu açıklar.

Bu riskin kanonik örneği Mata v. Avianca davasıdır: bir federal mahkeme, ChatGPT'nin uydurduğu altı sahte içtihatla dilekçe sunan avukatlara yaptırım uygulamıştır. Bu olay sadece bir avukatlık skandalı değil, AI motorları için de bir dönüm noktasıdır; sonrasında hukuk içeriklerinde kaynak temellendirmesinin sıkılaştığı gözlemlenebilir.

Sağlık tarafında tablo daha nüanslı. JAMA Internal Medicine'in karşılaştırmalı çalışması, hasta sorularına verilen ChatGPT yanıtlarının değerlendiriciler tarafından %78,6 oranında hekim yanıtlarına tercih edildiğini ve hem kalite hem empati skorlarında daha yüksek puan aldığını ortaya koymuştur. Yani sorun AI yanıtlarının "kötü görünmesi" değil; tersine, kulağa makul gelen yanıtların doğruluğunun düzensiz olmasıdır. WHO'nun büyük çok-modlu modeller için yayımladığı etik ve yönetişim rehberi tam bu nedenle eleştirisiz benimsemenin sağlık dezenformasyonunu büyütebileceği uyarısını yapar.

Bu üç nokta birleştiğinde motorun davranış kuralı netleşir: YMYL'de doğrudan yanıt vermek yerine kaynağı alıntılamak daha güvenli bir varsayılandır. Bu da içerik üreticileri için bir fırsat penceresidir — eğer sayfanız "alıntılanabilir" biçimde inşa edildiyse.

Uyumluluk gerektiren sorgularda motorların tercih ettiği alıntı kalıpları

Aynı bilgiyi farklı dillerle ifade eden iki sayfayı karşılaştırdığımızda, AI motorlarının tutarlı bir tercih kalıbı sergilediği görülür:

• İhtiyatlı dil mutlak iddialardan daha sık alıntılanır. "Bu ilaç kesin çözümdür" yerine "Bu durumda tedavi seçenekleri kişiye göre değişir; nitelikli bir hekime danışılması önerilir" tarzı bir cümle, YMYL motoru için çok daha düşük riskli ve dolayısıyla çok daha cazip bir alıntı yüzeyidir.
• Belirti, tanı ve hukuki soru sayfaları uzun makale formatından çok yapılandırılmış soru-cevap blokları olarak düzenlendiğinde daha iyi performans gösterir.
• Yerel yargı yetkisi etiketleme önemlidir. Türkiye okuyucusu için Türk Borçlar Kanunu, Türk Ceza Kanunu veya KVKK referansı; ABD okuyucusu için eyalet düzeyinde referans gerekir. Aynı sayfa her iki kitleye birden hizmet etmeye çalıştığında her ikisine de yetersiz kalır.
• Tıbbi veya hukuki iddialarla pazarlama metnini karıştıran sayfaların ağırlığı düşürülür. "Bu ürünü alın, sorununuz çözülsün" çerçevesi YMYL otoritesini bozar ve sayfayı alıntı havuzunun dışına iter.

Düzenlenmiş sektörler için GEO oyun planı

Bu çerçeveyi sahaya indiren beş adımlık bir plan:

1. Mevcut alıntı haritasını çıkarın. İlk 20 hedef sorgunuz için hangi kurumsal kaynakların alıntılandığına bakın. Türkiye sağlık sorgularında Sağlık Bakanlığı ve hastane zincirlerinin payı; hukuk sorgularında mevzuat.gov.tr ve baro yayınlarının payı tipik olarak çoğunluğu oluşturur. Yarıştığınız alan budur, geri kalan içerik denizi değil.
2. Yazar varlık sayfaları kurun. Her yazar için adı, uzmanlığı, sicil/lisans bilgisi ve Person schema'sı içeren ayrı sayfalar açın. Bu sayfalar makalelerinizin yazarına author ilişkisiyle bağlanmalı; ayrıca dış sicil veya baro kaydına bir referans linki taşımalıdır.
3. Schema katmanlarını ekleyin. Sağlık içeriklerine MedicalWebPage, hukuk hizmet sayfalarına LegalService, finansal ürün sayfalarına FinancialProduct ve hepsine reviewedBy ile lastReviewed alanları. Tazelik bilgisi YMYL'de kozmetik değil, yapısal bir sinyaldir.
4. Motorun ihtiyatına yazın. Konsensüsü açıkça belirtin, düzenleyiciye atıf yapın, istisnayı isimlendirin. AI motoru bir cümleyi alıntılarken risk almak istemez; sizin işiniz o cümleyi düşük riskli kılmaktır.
5. Motor başına alıntı dağılımını ölçün. Sağlık ve hukuk için alıntı dağılımı SaaS sorgularına hiç benzemez. Sorgu başına, motor başına izleme yapın. Bu metriği API üzerinden programatik takip etmek en sürdürülebilir yoldur.

Bu plan, E-E-A-T'in AI aramada otoritenin yeni altyapısı yaklaşımının düzenlenmiş sektörlere uyarlanmış halidir. Kısaca: YMYL'de görünürlük bir içerik problemi değil, bir güven mühendisliği problemidir. Doğru kimlik, doğru schema ve doğru ihtiyat dili olmadan motor sizi alıntılamaz; bunlar yerine oturduğunda ise rekabet hacmi tahmin ettiğinizden çok daha düşüktür.